本发明涉及一种基于深度学习的提高涡流检测金属缺陷准确率的系统,包括步骤:对初始电磁涡流检测信号进行采集与预处理;对系统运动状态信息进行采集与预处理,得到基本的运动状态数据;通过基于LeNet‑5的卷积神经网络对电磁涡流检测信号进行补偿处理;在验证特征时,需要采用小波阈值滤波方法对升采样后的图像滤出误差点。本发明的有益效果是:对解决由于检测运动状态造成的电磁涡流检测信号误差起到补偿作用,解决了手持式涡流
检测仪由于扫查速度、运动状态造成的信号偏差和错误报警的问题,从普及无损检测和降低由于金属缺陷造成的事故损失方面来说,本发明具有较大的实际意义和应用前景。
声明:
“基于深度学习的提高涡流检测金属缺陷准确率的方法” 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)