太赫茲（Terahertz，THz）無(wú)損檢測(cè)技術(shù)，作為一種新興的非接觸式高精無(wú)損電磁檢測(cè)技術(shù)，其檢測(cè)頻率處于微波和遠(yuǎn)紅外之間，通過(guò)對(duì)材料中太赫茲波信號(hào)的接收和處理，分析復(fù)合材料內(nèi)部的物理結(jié)構(gòu)和性質(zhì)。相較于傳統(tǒng)的超聲、紅外、X射線等檢測(cè)方式，THz檢測(cè)技術(shù)在檢測(cè)分辨率、穿透性和安全性方面具有更好的優(yōu)勢(shì)，現(xiàn)已成為復(fù)合材料檢測(cè)與評(píng)估領(lǐng)域重要的研究熱點(diǎn)之一。

雖然THz檢測(cè)技術(shù)在復(fù)合材料領(lǐng)域具有潛在的應(yīng)用前景，但在實(shí)際檢測(cè)過(guò)程中，由于THz信號(hào)容易受到噪聲、層間反射、色散和重疊等各種復(fù)雜干擾，造成THz定位精度和成像分辨率下降。雖然一些基于復(fù)雜先驗(yàn)知識(shí)和手動(dòng)特征的方法被相繼提出，如小波變換、頻域小波反卷積、稀疏表示等，但由于高度依賴人工操作和專家經(jīng)驗(yàn)，并且需要根據(jù)THz信號(hào)的變化手動(dòng)調(diào)整最優(yōu)超參數(shù)，通常復(fù)雜且耗時(shí)，這不僅對(duì)操作員能力提出了更高的要求，而且很難在無(wú)任何先驗(yàn)知識(shí)下實(shí)現(xiàn)端到端地THz信號(hào)特征提取，阻礙了THz自動(dòng)化、智能化檢測(cè)技術(shù)的發(fā)展。

針對(duì)這一問(wèn)題，最近西安交通大學(xué)張留洋教授團(tuán)隊(duì)提出了一種基于輕量化人工智能模型的復(fù)合材料損傷THz自動(dòng)實(shí)時(shí)表征策略，旨在解決傳統(tǒng)THz損傷特征提取方法依賴于專家經(jīng)驗(yàn)和先驗(yàn)知識(shí)、損傷定位識(shí)別精度和速度不匹配的難題。該策略簡(jiǎn)化損傷定位和成像過(guò)程為多類分類過(guò)程，并基于分類結(jié)果建立了基于類編碼策略的新型THz高分辨成像方法，實(shí)現(xiàn)了復(fù)合材料不同深度損傷的端到端自動(dòng)定位和高分辨成像，從而為復(fù)合材料損傷THz自動(dòng)定位和成像提供一種新的范式。相關(guān)成果以“Real-time terahertz characterization for composite delamination using a lightweight CPU adaptive network”為題發(fā)表于復(fù)合材料Top期刊Composites Part B: Engineering上。

圖1 提出的基于SMFLCNet模型的復(fù)合材料損傷THz智能表征策略

圖1顯示了提出的基于人工智能模型的復(fù)合材料損傷THz智能表征策略。該策略包含三個(gè)主要步驟，依次為THz信號(hào)數(shù)據(jù)集的構(gòu)建、損傷定位和損傷成像。在THz信號(hào)數(shù)據(jù)集構(gòu)建過(guò)程中，旨在建立用于模型訓(xùn)練、測(cè)試和成像的損傷THz數(shù)據(jù)集，為不同深度損傷THz智能定位和成像提供足夠的數(shù)據(jù)來(lái)源。在損傷定位過(guò)程中，通過(guò)將不同深度損傷定位過(guò)程簡(jiǎn)化為基于輕量化模型的分類過(guò)程，實(shí)現(xiàn)復(fù)合材料不同深度損傷的智能定位表征。損傷成像過(guò)程則是基于損傷定位的結(jié)果，采用類編碼成像策略對(duì)待測(cè)樣本內(nèi)部不同深度損傷進(jìn)行2D/3D可視化成像，揭示樣本內(nèi)部損傷的橫向位置和尺寸信息?；谝陨戏椒ǎ謩e制備了帶損傷的復(fù)合材料訓(xùn)練樣本和測(cè)試樣本，利用太赫茲時(shí)域光譜儀采集太赫茲信號(hào)，分別構(gòu)建訓(xùn)練集、測(cè)試集和成像數(shù)據(jù)集。隨后，利用GPU平臺(tái)對(duì)提出的模型進(jìn)行訓(xùn)練和測(cè)試，并從精度和速度兩個(gè)方面綜合評(píng)估提出的輕量化模型的分類性能，進(jìn)而完成復(fù)合材料損傷的定位和成像。

為評(píng)估提出的輕量化模型對(duì)不同深度損傷THz信號(hào)的分類性能，進(jìn)行了5次重復(fù)實(shí)驗(yàn)，分類結(jié)果如圖2所示。從圖中可以看出，對(duì)于每次實(shí)驗(yàn)，模型均保持較好的分類精度。值得注意的是，提出的模型在CPU平臺(tái)上（Intel Xeon Platinum 8175 M）執(zhí)行每個(gè)epoch的平均推理延遲時(shí)間為8.51 ms。換句話說(shuō)，提出的輕量化模型每秒可以有效處理117個(gè)THz信號(hào)輸入樣本，能夠滿足實(shí)際THz檢測(cè)場(chǎng)景中對(duì)損傷THz信號(hào)進(jìn)行實(shí)時(shí)處理的需求。

圖2 5次重復(fù)實(shí)驗(yàn)中的模型的分類性能

最后為了揭示提出的策略對(duì)損傷的可視化性能，采用提出的類編碼成像策略對(duì)不同深度損傷進(jìn)行2D和3D可視化表征，如圖3所示，相較于傳統(tǒng)的時(shí)域局部峰峰值（LPTP）和頻域THz成像算法，提出的成像策略不僅可以在無(wú)需手動(dòng)成像特征選擇情況下獲得更好的成像分辨率，而且可以為不同深度損傷提供詳細(xì)的三維特征信息，有利于實(shí)現(xiàn)復(fù)合材料不同深度損傷的自動(dòng)高分辨成像和定量識(shí)別。

圖3復(fù)合材料不同深度損傷可視化成像結(jié)果

作者介紹：

西安交通大學(xué)機(jī)械制造系統(tǒng)工程國(guó)家重點(diǎn)實(shí)驗(yàn)室張留洋教授為論文通訊作者，博士研究生徐亞飛為第一作者，該研究得到了國(guó)家自然科學(xué)基金、省自然科學(xué)基金等項(xiàng)目的資助。團(tuán)隊(duì)鼓勵(lì)多學(xué)科交叉，致力于太赫茲?rùn)z測(cè)與成像技術(shù)、智能傳感器設(shè)計(jì)與制造技術(shù)以及狀態(tài)感知與監(jiān)測(cè)技術(shù)的研究。