[發明專利]一種基于神經網絡的聲學玻璃缺陷檢測方法

在審

• 申請號: 201710053519.X
• 申請日: 2017-01-23
• 公開（公告）號: CN106841403A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 張濤;唐偉;丁碧云
• 申請（專利權）人: 天津大學
• 主分類號: G01N29/44
• 分類號: G01N29/44
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 杜文茹

1.一種基于神經網絡的聲學玻璃缺陷檢測方法，其特征在于，包括如下步驟：

1)在實際生產環境中利用拾音器采集玻璃樣本的敲擊信號；

2)對采集到的敲擊信號進行預處理，包括降噪、端點檢測和剔除異常數據，得到純凈的敲擊信號；

3)對純凈的敲擊信號進行特征提取，包括時域特征提取、頻域特征提取和小波域特征提取；

4)設定BP神經網絡的初始參數：將步驟3)提取的特征作為神經網絡的輸入，設置BP神經網絡的輸入層節點個數為7，設置BP神經網絡的隱含層節點數為15，設置BP神經網絡的輸出層節點數為2，設定輸出結果為(0，1)表示玻璃樣本有缺陷，(1，0)表示玻璃樣本無缺陷；

5)對BP神經網絡進行訓練，設定BP神經網絡的學習速率為0.1，目標平方誤差值為0.1，采用LeVenberg-Marquardt算法對BP神經網絡進行訓練，當神經網絡的誤差小于設定的目標平方誤差值時，停止訓練。

2.根據權利要求1所述的一種基于神經網絡的聲學玻璃缺陷檢測方法，其特征在于，步驟2)中，采用高通濾波器進行降噪，采用短時能量和短時平均過零率的雙門限算法對敲擊聲音信號進行端點檢測。

3.根據權利要求1所述的一種基于神經網絡的聲學玻璃缺陷檢測方法，其特征在于，步驟3)所述的時域特征提取包括：

(1)信號的均值提取，采用如下公式：

$\stackrel{\‾}{x}=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left(x_i\right)$

其中，N為完整敲擊信號的長度，x_i為第i個信號點的幅值，為提取的信號均值；

(2)信號的均方根值RMS提取，采用如下公式：

$RMS=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(x_i-\stackrel{\‾}{x})}^2}$

(3)信號的峰值peak提取，采用如下公式：

$peak=\frac{1}{2}\left(max\right(x_i)-min(x_i\left)\right).$