【技术实现步骤摘要】
本专利技术涉及超声波无损检测，更具体地说，它涉及基于深度学习的焊接接头tofd检测缺陷自动识别方法。
技术介绍
1、tofd(time of flight diffraction)超声波衍射时差法，是一种依靠从待检试件内部结构(主要是指缺陷)的“端角”和“端点”处得到的衍射能量来检测缺陷的方法，用于缺陷的检测、定量和定位。tofd检测需要记录每个检测位置完整的未校正a扫信号，其数据采集系统是一个更先进的复杂的数字化系统，在接收放大系统、数字化采样、信号处理、信息存储等方面都达到了较高的水平。
2、在目前的工程实践中，针对焊接接头tofd检测图谱的缺陷分析与识别普遍还依赖于人工，而人工方式存在有几个弊端，例如专业技术水平要求高、效率低，易出现漏评错判等问题。一般而言，人长时间从事重复性的工作会出现注意力不集中、劳累等状况，会导致拉长检测周期、降低检测效率、降低检测准确率等情况。此外，无损检测虽然制定了相关的检测标准，但实际工作中是通过人进行判断，结果易受主观因素的影响。再有，由于缺陷在检测图谱中的特征不直观，缺陷定性难度大，缺陷评定对专业性要求高，缺乏有效的知识沉淀与经验传播途径，并且某一检测人员积累的知识与经验无法直接迁移至其他人员，只能通过自身的不断学习与实践进行检验检测知识的积累，知识共享性与复用性差。
技术实现思路
1、本专利技术的目的是提供基于深度学习的焊接接头tofd检测缺陷自动识别方法，实现从图像与原始波形维度的缺陷特征提取并融合，完成基于改进的单阶段目标检
2、本专利技术的上述技术目的是通过以下技术方案得以实现的：基于深度学习的焊接接头tofd检测缺陷自动识别方法，包括以下5个步骤：
3、s1.构建典型缺陷tofd检测图谱样本库；
4、s2.融合图像与波形特征的缺陷特征提取；
5、s3.构建tofd检测缺陷识别模型；
6、s4.构建基于生成对抗机制的异常焊缝分类模型；
7、s5.构建tofd检测缺陷高效识别模型。
8、本专利技术进一步设置为：所述构建典型缺陷tofd检测图谱样本库是通过收集并整理实际检测中的tofd图像，采集对应被检对象的设备类型、材质类型、焊接工艺、焊接方式、焊接方法、探头频率、探头角度等不同维度信息的tofd检测图像，分析并梳理不同维度下tofd检测图像及波形信号的特征机理，研究图像及波形信号中噪声的分布规律来实现的。
9、本专利技术进一步设置为：所述tofd检测缺陷识别模型是通过融合图像与波形特征的缺陷特征提取的方式改进单阶段目标检测算法来构建的。
10、本专利技术进一步设置为：所述基于生成对抗机制的异常焊缝分类模型是通过将融合图像与波形特征的缺陷特征提取方式与生成对抗网络结合来构建的。
11、本专利技术进一步设置为：所述tofd检测缺陷高效识别模型是联合基于生成对抗机制的异常焊缝分类模型与tofd检测缺陷识别模型所形成的。
12、综上所述，本专利技术具有以下有益效果：
13、(1)本方法能够实现图像与原始波形信号维度的缺陷特征提取与融合。提出融合图像与波形特征的缺陷特征表示方法，提出融合图像与波形特征的tofd检测图谱特征提取结构。
14、(2)本方法能够实现基于改进的单阶段目标检测算法的tofd检测缺陷识别。基于前述融合图像与原始波形维度的缺陷特征提取方法对单阶段目标检测算法网络结构中的特征提取部分进行优化，完成缺陷检测模型的训练与迭代，实现缺陷的高效定位与分类。
15、(3)本方法能够构建生成对抗机制的异常焊缝分类模型。基于生成对抗机制设计并实现异常焊缝分类网络，区分正常焊缝和异常焊缝，对异常焊缝进行进一步的缺陷识别，从而提升缺陷的检测效率。
本文档来自技高网...【技术保护点】
1.基于深度学习的焊接接头TOFD检测缺陷自动识别方法，其特征是：包括以下5个步骤：
2.根据权利要求1所述的基于深度学习的焊接接头TOFD检测缺陷自动识别方法，其特征是：所述构建典型缺陷TOFD检测图谱样本库是通过收集并整理实际检测中的TOFD图谱，采集对应被检对象不同维度信息的TOFD检测数据，分析并梳理不同维度下TOFD检测图像及波形信号的特征机理，研究图像及波形信号中噪声的分布规律来实现的。
3.根据权利要求1所述的基于深度学习的焊接接头TOFD检测缺陷自动识别方法，其特征是：所述TOFD检测缺陷识别模型是通过改进原始通用单阶段目标检测算法中特征提取部分，使其能实现分别从图像与原始波形两个维度提取缺陷特征并融合来实现的。
4.根据权利要求1所述的基于深度学习的焊接接头TOFD检测缺陷自动识别方法，其特征是：所述基于生成对抗机制的异常焊缝分类模型是通过将融合图像与波形特征的缺陷特征提取方式与生成对抗网络结合来构建的。
5.根据权利要求1所述的基于深度学习的焊接接头TOFD检测缺陷自动识别方法，其特征是：所述TOFD检测缺陷高效
...【技术特征摘要】
1.基于深度学习的焊接接头tofd检测缺陷自动识别方法，其特征是：包括以下5个步骤：
2.根据权利要求1所述的基于深度学习的焊接接头tofd检测缺陷自动识别方法，其特征是：所述构建典型缺陷tofd检测图谱样本库是通过收集并整理实际检测中的tofd图谱，采集对应被检对象不同维度信息的tofd检测数据，分析并梳理不同维度下tofd检测图像及波形信号的特征机理，研究图像及波形信号中噪声的分布规律来实现的。
3.根据权利要求1所述的基于深度学习的焊接接头tofd检测缺陷自动识别方法，其特征是：所述tofd检测缺陷识别模型是通过改进原...
【专利技术属性】
技术研发人员：周云奕，石坤，郭新然，张玉媛，蔡康健，徐巍，王晓岚，赫宇，金益斌，李彬楠，
申请(专利权)人：中国特种设备检测研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。