太赫茲（Terahertz，THz）無損檢測技術，作為一種新興的非接觸式高精無損電磁檢測技術，其檢測頻率處于微波和遠紅外之間，通過對材料中太赫茲波信號的接收和處理，分析復合材料內部的物理結構和性質。相較于傳統的超聲、紅外、X射線等檢測方式，THz檢測技術在檢測分辨率、穿透性和安全性方面具有更好的優勢，現已成為復合材料檢測與評估領域重要的研究熱點之一。

雖然THz檢測技術在復合材料領域具有潛在的應用前景，但在實際檢測過程中，由于THz信號容易受到噪聲、層間反射、色散和重疊等各種復雜干擾，造成THz定位精度和成像分辨率下降。雖然一些基于復雜先驗知識和手動特征的方法被相繼提出，如小波變換、頻域小波反卷積、稀疏表示等，但由于高度依賴人工操作和專家經驗，并且需要根據THz信號的變化手動調整最優超參數，通常復雜且耗時，這不僅對操作員能力提出了更高的要求，而且很難在無任何先驗知識下實現端到端地THz信號特征提取，阻礙了THz自動化、智能化檢測技術的發展。

針對這一問題，最近西安交通大學張留洋教授團隊提出了一種基于輕量化人工智能模型的復合材料損傷THz自動實時表征策略，旨在解決傳統THz損傷特征提取方法依賴于專家經驗和先驗知識、損傷定位識別精度和速度不匹配的難題。該策略簡化損傷定位和成像過程為多類分類過程，并基于分類結果建立了基于類編碼策略的新型THz高分辨成像方法，實現了復合材料不同深度損傷的端到端自動定位和高分辨成像，從而為復合材料損傷THz自動定位和成像提供一種新的范式。相關成果以“Real-time terahertz characterization for composite delamination using a lightweight CPU adaptive network”為題發表于復合材料Top期刊Composites Part B: Engineering上。

圖1 提出的基于SMFLCNet模型的復合材料損傷THz智能表征策略

圖1顯示了提出的基于人工智能模型的復合材料損傷THz智能表征策略。該策略包含三個主要步驟，依次為THz信號數據集的構建、損傷定位和損傷成像。在THz信號數據集構建過程中，旨在建立用于模型訓練、測試和成像的損傷THz數據集，為不同深度損傷THz智能定位和成像提供足夠的數據來源。在損傷定位過程中，通過將不同深度損傷定位過程簡化為基于輕量化模型的分類過程，實現復合材料不同深度損傷的智能定位表征。損傷成像過程則是基于損傷定位的結果，采用類編碼成像策略對待測樣本內部不同深度損傷進行2D/3D可視化成像，揭示樣本內部損傷的橫向位置和尺寸信息。基于以上方法，分別制備了帶損傷的復合材料訓練樣本和測試樣本，利用太赫茲時域光譜儀采集太赫茲信號，分別構建訓練集、測試集和成像數據集。隨后，利用GPU平臺對提出的模型進行訓練和測試，并從精度和速度兩個方面綜合評估提出的輕量化模型的分類性能，進而完成復合材料損傷的定位和成像。

為評估提出的輕量化模型對不同深度損傷THz信號的分類性能，進行了5次重復實驗，分類結果如圖2所示。從圖中可以看出，對于每次實驗，模型均保持較好的分類精度。值得注意的是，提出的模型在CPU平臺上（Intel Xeon Platinum 8175 M）執行每個epoch的平均推理延遲時間為8.51 ms。換句話說，提出的輕量化模型每秒可以有效處理117個THz信號輸入樣本，能夠滿足實際THz檢測場景中對損傷THz信號進行實時處理的需求。

圖2 5次重復實驗中的模型的分類性能

最后為了揭示提出的策略對損傷的可視化性能，采用提出的類編碼成像策略對不同深度損傷進行2D和3D可視化表征，如圖3所示，相較于傳統的時域局部峰峰值（LPTP）和頻域THz成像算法，提出的成像策略不僅可以在無需手動成像特征選擇情況下獲得更好的成像分辨率，而且可以為不同深度損傷提供詳細的三維特征信息，有利于實現復合材料不同深度損傷的自動高分辨成像和定量識別。

圖3復合材料不同深度損傷可視化成像結果

作者介紹：

西安交通大學機械制造系統工程國家重點實驗室張留洋教授為論文通訊作者，博士研究生徐亞飛為第一作者，該研究得到了國家自然科學基金、省自然科學基金等項目的資助。團隊鼓勵多學科交叉，致力于太赫茲檢測與成像技術、智能傳感器設計與制造技術以及狀態感知與監測技術的研究。