[發(fā)明專利]一種基于超聲波和深度學(xué)習的應(yīng)力檢測方法、裝置及設(shè)備

在審

• 申請?zhí)枺?/td>: 202010796232.8
• 申請日: 2020-08-10
• 公開（公告）號: CN111948286A
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計）人: 鄧露;許紹鵬;史鵬;王維
• 申請（專利權(quán)）人: 湖南大學(xué)
• 主分類號: G01N29/04
• 分類號: G01N29/04;G01N29/44;G06N3/04;G06N3/08;G01L1/25
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 王雨

1.一種基于超聲波和深度學(xué)習的應(yīng)力檢測方法，其特征在于，包括：

接收待測樣品的結(jié)構(gòu)材料信息及超聲波探測信號；

根據(jù)所述結(jié)構(gòu)材料信息，確定對應(yīng)的結(jié)構(gòu)應(yīng)力模型；

根據(jù)所述超聲波探測信號，通過所述結(jié)構(gòu)應(yīng)力模型得到所述待測樣品的應(yīng)力信息；所述結(jié)構(gòu)應(yīng)力模型為通過預(yù)設(shè)的樣本集訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型。

2.如權(quán)利要求1所述的基于超聲波和深度學(xué)習的應(yīng)力檢測方法，其特征在于，所述結(jié)構(gòu)應(yīng)力模型的訓(xùn)練方法包括：

獲取驗證數(shù)據(jù)集，所述驗證數(shù)據(jù)集包括多個樣本超聲波信號及與所述樣本超聲波信號一一對應(yīng)的樣本應(yīng)力值；

將所述驗證數(shù)據(jù)集作為待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的輸入量，得到與所述樣本超聲波信號一一對應(yīng)的預(yù)測應(yīng)力值；

根據(jù)所述樣本應(yīng)力值及所述預(yù)測應(yīng)力值得到所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的當前準確率；

判斷所述當前準確率是否不小于目標準確率；

當所述當前準確率小于所述目標準確率時，更新所述輸入量，得到校正數(shù)據(jù)集；所述校正數(shù)據(jù)集包括至少一個與所述輸入量不同的樣本超聲波信號及對應(yīng)的樣本應(yīng)力值；

將所述校正數(shù)據(jù)集作為所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型新的輸入量，循環(huán)所述得到所述樣本超聲波信號一一對應(yīng)的預(yù)測應(yīng)力值至所述更新所述輸入量，得到校正數(shù)據(jù)集的步驟，直至所述當前準確率不小于所述目標準確率，得到所述結(jié)構(gòu)應(yīng)力模型。

3.如權(quán)利要求2所述的基于超聲波和深度學(xué)習的應(yīng)力檢測方法，其特征在于，所述根據(jù)所述樣本應(yīng)力值及所述預(yù)測應(yīng)力值得到所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的當前準確率包括：

分別計算各個所述樣本超聲波信號對應(yīng)的所述樣本應(yīng)力值與所述預(yù)測應(yīng)力值的差的絕對值；

確定所述絕對值小于預(yù)設(shè)的偏離值的超聲波信號的數(shù)量，作為合格數(shù)量；

根據(jù)所述合格數(shù)量與所述輸入量包括的樣本超聲波信號的總數(shù)量，得到所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的當前準確率。

4.如權(quán)利要求2所述的基于超聲波和深度學(xué)習的應(yīng)力檢測方法，其特征在于，所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型為YOLO v3模型。

5.一種基于超聲波和深度學(xué)習的應(yīng)力檢測裝置，其特征在于，包括：

接收模塊，用于接收待測樣品的結(jié)構(gòu)材料信息及超聲波探測信號；

模型確定模塊，用于根據(jù)所述結(jié)構(gòu)材料信息，確定對應(yīng)的結(jié)構(gòu)應(yīng)力模型；

模型計算模塊，用于根據(jù)所述超聲波探測信號，通過所述結(jié)構(gòu)應(yīng)力模型得到所述待測樣品的應(yīng)力信息；所述結(jié)構(gòu)應(yīng)力模型為通過預(yù)設(shè)的樣本集訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)模型。

6.如權(quán)利要求5所述的基于超聲波和深度學(xué)習的應(yīng)力檢測裝置，其特征在于，所述模型確定模塊包括：

獲取單元，用于獲取驗證數(shù)據(jù)集，所述驗證數(shù)據(jù)集包括多個樣本超聲波信號及與所述樣本超聲波信號一一對應(yīng)的樣本應(yīng)力值；

應(yīng)力確定單元，用于將所述驗證數(shù)據(jù)集作為待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的輸入量，得到與所述樣本超聲波信號一一對應(yīng)的預(yù)測應(yīng)力值；

準確率衡量單元，用于根據(jù)所述樣本應(yīng)力值及所述預(yù)測應(yīng)力值得到所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的當前準確率；

判斷單元，用于判斷所述當前準確率是否不小于目標準確率；

數(shù)據(jù)集更新單元，用于當所述當前準確率小于所述目標準確率時，更新所述輸入量，得到校正數(shù)據(jù)集；所述校正數(shù)據(jù)集包括至少一個與所述輸入量不同的樣本超聲波信號及對應(yīng)的樣本應(yīng)力值；

循環(huán)單元，用于將所述校正數(shù)據(jù)集作為所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型新的輸入量，循環(huán)所述得到所述樣本超聲波信號一一對應(yīng)的預(yù)測應(yīng)力值至所述更新所述輸入量，得到校正數(shù)據(jù)集的步驟，直至所述當前準確率不小于所述目標準確率，得到所述結(jié)構(gòu)應(yīng)力模型。

7.如權(quán)利要求6所述的神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練裝置，其特征在于，所述準確率衡量單元包括：

差值確定單元，用于分別計算各個所述樣本超聲波信號對應(yīng)的所述樣本應(yīng)力值與所述預(yù)測應(yīng)力值的差的絕對值；

統(tǒng)計單元，用于確定所述絕對值小于預(yù)設(shè)的偏離值的超聲波信號的數(shù)量，作為合格數(shù)量；

準確率單元，用于根據(jù)所述合格數(shù)量與所述輸入量包括的樣本超聲波信號的總數(shù)量，得到所述待訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的當前準確率。