本發(fā)明公開了一種基于深度學(xué)習(xí)技術(shù)的焊縫超聲TOFD?D掃描缺陷類型的自動識別方法。首先，通過超聲TOFD?D掃描技術(shù)采集焊縫典型缺陷的D掃描圖像數(shù)據(jù)；其次，在MATLAB編程環(huán)境中搭建由特征圖提取卷積神經(jīng)網(wǎng)絡(luò)VGG16、區(qū)域提議網(wǎng)絡(luò)RPN以及FRCN網(wǎng)絡(luò)構(gòu)成FasterR?CNN深度學(xué)習(xí)網(wǎng)絡(luò)框架；最后，對Faster?R?CNN深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行分階段訓(xùn)練。網(wǎng)絡(luò)測試結(jié)果顯示：Faster?R?CNN網(wǎng)絡(luò)具備高效識別焊縫D掃描圖像中缺陷類型的能力。本發(fā)明所公開的方法，充分利用了FasterR?CNN識別網(wǎng)絡(luò)對圖像識別的優(yōu)勢，將其應(yīng)用在焊縫超聲TOFD?D掃描圖像檢測中，避免了檢測人員主觀因素的影響，有效的提高了對TOFD?D掃描圖像中缺陷類型的識別能力及效率，具有檢測準(zhǔn)確率高、魯棒性好、抗干擾性強(qiáng)的優(yōu)點(diǎn)，可應(yīng)用于智能化無損檢測技術(shù)中。