西北工业大学李金山、王毅教授及北京应用物理与计算数学研究所宋海峰研究员|基于大语言模型的钛合金焊接微观组织优化与缺陷分类智能研究

本研究聚焦于钛合金焊接过程中的微观组织优化与缺陷分类，利用深度学习技术和大语言模型（LLMs）进行智能焊接监测系统的开发。研究背景指出，传统焊接方法存在效率低、成本高和性能不稳定等问题，而智能焊接技术能够有效提升焊接质量和产业升级。研究目的是通过高通量实验获取的焊接图像数据，优化钛合金焊接缺陷检测技术。研究方法包括TA2钛合金的TIG管板焊接实验、基于深度学习的焊接图像缺陷识别与工艺参数优化，以及基于LLMs的自动编程技术。研究结果表明，ConvNeXt模型在缺陷检测任务中取得了99.52%的卓越分类准确率，显著优于MobileNetV2的85.94%。此外，融入电弧几何特征的BPNN模型显著提高了预测精度并减小了误差波动。结论指出，基于卷积神经网络的分类模型能够以高精度实现焊接图像中未熔合缺陷的分类，在焊接在线缺陷监测系统中具有应用价值。