本发明公开了一种基于卷积神经网络的超声无损检测信号分类方法,采集超声A扫描信号并进行预处理,然后将预处理后带有对应标签的A扫描信号图像输入搭建的CNN神经网络,对神经网络的各层权重及偏置参数进行训练,通过对学习率和学习迭代次数的调整以提高CNN神经网络对于信号特征的识别准确率,随后将未带有标签的A扫描信号输入至训练好的CNN神经网络,通过超声A扫描信号实现对检测缺陷有无、缺陷深度精确多分类的功能。本发明能够实现基于超声A扫描信号的缺陷分类功能,计算准确率高,网络结构简单。
声明:
“基于卷积神经网络的超声无损检测信号分类方法” 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)