本發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,包括步驟:對初始電磁渦流檢測信號進行采集與預處理;對系統運動狀態信息進行采集與預處理,得到基本的運動狀態數據;通過基于LeNet?5的卷積神經網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。本發明的有益效果是:對解決由于檢測運動狀態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,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)