本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的超聲無(wú)損檢測(cè)信號(hào)分類方法，采集超聲A掃描信號(hào)并進(jìn)行預(yù)處理，然后將預(yù)處理后帶有對(duì)應(yīng)標(biāo)簽的A掃描信號(hào)圖像輸入搭建的CNN神經(jīng)網(wǎng)絡(luò)，對(duì)神經(jīng)網(wǎng)絡(luò)的各層權(quán)重及偏置參數(shù)進(jìn)行訓(xùn)練，通過(guò)對(duì)學(xué)習(xí)率和學(xué)習(xí)迭代次數(shù)的調(diào)整以提高CNN神經(jīng)網(wǎng)絡(luò)對(duì)于信號(hào)特征的識(shí)別準(zhǔn)確率，隨后將未帶有標(biāo)簽的A掃描信號(hào)輸入至訓(xùn)練好的CNN神經(jīng)網(wǎng)絡(luò)，通過(guò)超聲A掃描信號(hào)實(shí)現(xiàn)對(duì)檢測(cè)缺陷有無(wú)、缺陷深度精確多分類的功能。本發(fā)明能夠?qū)崿F(xiàn)基于超聲A掃描信號(hào)的缺陷分類功能，計(jì)算準(zhǔn)確率高，網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單。