本發(fā)明涉及一種基于深度學習的提高渦流檢測金屬缺陷準確率的系統(tǒng),包括步驟:對初始電磁渦流檢測信號進行采集與預處理;對系統(tǒng)運動狀態(tài)信息進行采集與預處理,得到基本的運動狀態(tài)數(shù)據(jù);通過基于LeNet?5的卷積神經(jīng)網(wǎng)絡對電磁渦流檢測信號進行補償處理;在驗證特征時,需要采用小波閾值濾波方法對升采樣后的圖像濾出誤差點。本發(fā)明的有益效果是:對解決由于檢測運動狀態(tài)造成的電磁渦流檢測信號誤差起到補償作用,解決了手持式渦流
檢測儀由于掃查速度、運動狀態(tài)造成的信號偏差和錯誤報警的問題,從普及無損檢測和降低由于金屬缺陷造成的事故損失方面來說,本發(fā)明具有較大的實際意義和應用前景。
聲明:
“基于深度學習的提高渦流檢測金屬缺陷準確率的方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)