基于多任务深度学习框架的原位疲劳微裂纹自动识别与度量方法

本发明提出了一种基于多任务深度学习框架的原位疲劳微裂纹自动识别与度量方法，通过原位疲劳裂纹扩展试验获取原位微裂纹图像，提出数据增强策略，缓解数据集数量受限及多样性不足的问题。其次，利用多任务共享机制和注意力机制，从疲劳试验数据中自动提取与微裂纹长度及标尺信息高度相关的关键特征。随后，构建并训练多任务深度学习模型，以实现微裂纹检测、标尺长度信息识别及标尺分割任务的统一处理，并且该框架的有效性不局限原位图像的放大倍数。模型训练完成后，自动结合模型的预测结果，精确度量微裂纹长度并绘制裂纹扩展速率曲线，确保疲劳裂纹扩展过程的自动化检测与精确度量。实验结果表明，本发明在原位疲劳微裂纹检测与度量中表现出优越的精度和稳定性，显著提高了原位疲劳试验中的裂纹识别效率。