近日，我院机械工程学科硕士研究生范国军在电容成像检测技术方面取得重要进展，相关研究成果《物理约束两级残差网络用于电容成像技术的缺陷尺寸量化》（Physically constrained two-stage residual network for defect sizing using capacitive imaging technique）发表在《Mechanical Systems and Signal Processing》。《Mechanical Systems and Signal Processing》是机械工程领域的国际顶级期刊，目前影响因子为8.9（SCI一区Top）。论文第一作者为硕士研究生范国军，通讯作者为殷晓康教授，中国石油大学（华东）为第一署名单位和通讯单位，该研究得到国家自然科学基金及“泰山学者”青年专家计划等项目的资助。
图1 论文首页
电容成像技术作为一种有效且通用的电磁无损检测方法，其在检测绝缘材料中的内部缺陷及图像重建方面具有显著的潜力，特别是在关键管道和容器的绝缘层的评估中。本文提出了一种两级残差网络（TS-ResNet），它通过两个自定义层合并物理约束：梯度层和小波层，能准确地量化缺陷的大小、厚度和深度等关键参数。根据灵敏度的分布建立物理约束层。
图2 电容成像灵敏度图
TS-ResNet用于量化缺陷的四个关键尺寸参数，两个物理约束层的集成用于增强神经网络的可解释性和泛化性。此外，损失函数被优化以解决数据不平衡的问题。
图3 TS-ResNet整体结构图
实验结果表明，TS-ResNet在大多数情况下实现了低于1%的误差，相比之下，其他神经网络的误差通常在5%以上，从而强调了TS-ResNet的准确性及其高精度量化缺陷参数的能力。
论文链接：https://doi.org/10.1016/j.ymssp.2025.113018
