本发明公开了一种基于卷积网络和轨迹跟踪的
复合材料缺陷超声检测方法,包括以下步骤,步骤1,建立超声波数据库;步骤2,从超声波数据库中获取数据集,并构建深度学习神经网络算法模型,确定神经网络模型参数;步骤3,对构建的神经网络深度学习算法模型,用采集构造的数据集进行训练;步骤4,将训练好的神经网络模型参数嵌入到超声设备中,对当前探头位置采集的超声波信号进行实时诊断分类和缺陷可视化标注。能够实现实时的复合材料缺陷诊断与标注。以解决现有的复合材料缺陷或损伤检测依赖于对测试部件的材料特性的了解或对基于物理学的预定信号特征的提取这种专家先验知识,提供一种不同与超声C扫的缺陷可视化方法。
声明:
“基于卷积网络和轨迹跟踪的复合材料缺陷超声检测方法” 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)