基于CT图像深度学习的三维编织C/C复合材料微观组分与缺陷智能识别

作者：钱奇伟; 张昕; 杨贞军^*; 沈镇; 校金友

来源：复合材料学报, 2023, 1-8.

DOI：10.13801/j.cnki.fhclxb.20231101.001

• C/C复合材料
• 微观X射线计算断层扫描
• 微观组分
• 缺陷
• 深度学习
• 语义分割

首先采用微观X射线计算断层扫描(Micro X-ray computed tomography， XCT)对四枚20mm立方体三维编织碳/碳(Carbon fiber reinforced carbon， C/C)复合材料试件进行扫描，获得精度为18μm的内部微观结构图像；然后采用基于深度学习的语义分割算法，对大量二维XCT图像进行训练，实现对试件三维微观组分(碳棒、碳纤维束和基体)和缺陷(孔洞、分层和裂纹)的智能识别和分割。结果表明：(1) 微观XCT扫描能够高精度表征三维编织C/C复合材料内部组分和缺陷的分布和形态，主要缺陷为相邻纤维束层之间的分层；(2)由于C/C复合材料各微观组分均为碳材料，在CT图像中灰度值相同（或十分接近），难以采用传统阈值算法进行分割；深度学习算法能够有效过滤噪声与伪影并自动精准分割各组分和缺陷，且预测速度比人工图像标注高约两个数量级。本工作对三维编织C/C复合材料后续微细观建模和性能优化奠定了基础。

• 出版日期2023
• 单位西北工业大学; 武汉大学; 西安航天复合材料研究所; 浙江大学; 建筑工程学院; 航天学院