本發明公開了一種基于卷積神經網絡的超聲無損檢測信號分類方法,采集超聲A掃描信號并進行預處理,然后將預處理后帶有對應標簽的A掃描信號圖像輸入搭建的CNN神經網絡,對神經網絡的各層權重及偏置參數進行訓練,通過對學習率和學習迭代次數的調整以提高CNN神經網絡對于信號特征的識別準確率,隨后將未帶有標簽的A掃描信號輸入至訓練好的CNN神經網絡,通過超聲A掃描信號實現對檢測缺陷有無、缺陷深度精確多分類的功能。本發明能夠實現基于超聲A掃描信號的缺陷分類功能,計算準確率高,網絡結構簡單。
聲明:
“基于卷積神經網絡的超聲無損檢測信號分類方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)