近日，国际期刊《Advanced Engineering Informatics》（中科院分区1区，Impact factor = 10）刊发了我院青年教师李亮亮关于基于深度学习的焊缝缺陷严重度评估方法的最新研究成果。论文题目为“A Defect Severity Assessment Method Based on Empirical Feature Attribute Scoring from Semantic Segmentation Data for Reliability Analysis of Steel Structure Connections”。李亮亮为文章第一作者，西安工业大学为第一单位。

针对传统目标检测方法在高分辨率焊缝缺陷检测中难以准确表示缺陷边界信息以及现有公共数据集缺乏高分辨率语义缺陷数据的问题，提出了一种基于深度学习的端到端焊缝语义缺陷检测方法。该方法通过构建高分辨率像素级语义缺陷数据集，引入全局信息特征提取模块、多尺度扩张卷积以及局部感受野自适应池化等技术，并设计了基于多尺度特征融合的语义检测头模块，显著提高了焊缝缺陷检测的准确性。此外，还提出了一种基于经验特征属性赋分的缺陷严重性评估方法，通过综合分析语义缺陷的几何、纹理、分布和灰度等特征属性，实现了对缺陷的定量评估，为焊接质量控制和缺陷修复决策提供了科学依据。

文章链接：https://doi.org/10.1016/j.aei.2025.103743