本发明公开了一种基于红外和超声信号融合的
复合材料缺陷检测方法及系统,采集包含复合材料红外信号和超声信号的数据集,将数据集划分为训练数据集和验证数据集;构建基于深度学习的信号特征学习与融合分类模型,将训练数据集输入信号特征学习与融合分类模型中进行训练;将验证数据集输入训练好的信号特征学习与融合分类模型中,得出复合材料缺陷检测结果。有效解决超声检测存在的对缺陷类型的判断受人为因素影响较大和缺陷定性难的问题以及红外热成像检测中存在的缺陷类型分类准确率不高和无法很好的反映缺陷位置的问题,实现客观的对复合材料缺陷类型、位置的判断,提高缺陷类型分类的准确率。
声明:
“基于红外和超声信号融合的复合材料缺陷检测方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)