[發明專利]一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法

在審

• 申請號: 202210810586.2
• 申請日: 2022-07-11
• 公開（公告）號: CN115015394A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 郭函懿;何衛鋒
• 申請（專利權）人: 西安交通大學
• 主分類號: G01N29/04
• 分類號: G01N29/04;G01N29/22;G06N3/04
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 王艾華

1.一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，包括以下步驟，

步驟1，建立超聲波數據庫；

步驟2，從超聲波數據庫中獲取數據集，并構建深度學習神經網絡算法模型，確定神經網絡模型參數；

步驟3，對構建的神經網絡深度學習算法模型，用采集構造的數據集進行訓練；

步驟4，將訓練好的神經網絡模型參數嵌入到超聲設備中，對當前探頭位置采集的超聲波信號進行實時診斷分類和缺陷可視化標注。

2.根據權利要求1所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，步驟1中，利用超聲波設備對樣本件不同區域分別進行數據采集，獲得具有不同敏感波形的超聲波信號采樣數據和超聲探頭圖片數據，建立包含不同敏感波形的超聲波數據庫。

3.根據權利要求1所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，步驟1中，建立超聲波數據庫具體包括以下步驟，

步驟S11，將復合材料被測樣本(6)放置在檢測平臺上；

步驟S12，啟動超聲設備，調整超聲參數；

步驟S13，給復合材料樣本件上均勻涂撒耦合劑，將超聲波收發探頭(5)貼于被測樣本(6)上對不同區域進行數據采樣，獲得超聲波信號采樣數據；

步驟S14，將超聲波信號采樣數據導出分為訓練數據集和測試數據集；

步驟S15，用攝像頭(1)采集超聲探頭(5)用手持和用自動掃描機器夾持的不同角度的圖片，獲取超聲探頭圖片數據，將超聲探頭圖片數據分為訓練數據集和測試數據集。

4.根據權利要求1所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，步驟1中，超聲波數據庫中的數據集根據不同的采樣區域共有正常復合材料數據、缺陷復合材料數據和帶加強筋復合材料數據三種類型。

5.根據權利要求1所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，步驟2中，利用一維卷積網絡模型對超聲波數據庫中的超聲波時序信號進行特征提取，用深度殘差網絡模型提取超聲探頭的視覺特征，將提取出的特征用分類器并行連接，構建深度學習神經網絡算法模型。

6.根據權利要求5所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，步驟3中，對神經網絡深度學習算法模型中的一維卷積網絡模型和殘差特征提取骨干網絡模型進行訓練時，進行梯度回傳，更新卷積網絡模型的參數。

7.根據權利要求5所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，步驟3中，采用共軛梯度法預測探頭(5)的運動軌跡，將一維卷積網絡模塊分類器的輸出并聯到預測結果的輸入中，對探頭(5)的位置進行記錄，獲得帶有復合材料缺陷信息的探頭的軌跡。

8.根據權利要求1所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，步驟4中，實時診斷分類和缺陷可視化標注后，搭建自動化掃描復合材料樣本件智能檢測標注系統，對復合材料樣本件進行全自動掃描及結果的可視化標注驗證。

9.根據權利要求8所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，自動化掃描復合材料樣本件智能檢測標注系統包括攝像頭(1)、伺服機構(3)、數據處理器(4)、探頭(5)和伺服機構控制器(7)；

所述探頭(5)指向被測樣本(6)，探頭(5)固定在伺服機構(3)上，伺服機構(3)帶動探頭(5)進行移動；攝像頭(1)指向被測樣本(6)；

所述數據處理器(4)用于處理攝像頭(1)和探頭(5)采集到的數據；所述伺服機構控制器(7)用于控制伺服機構(3)；

所述攝像頭(1)與數據處理器(4)之間通過USB線(2)進行數據傳輸。

10.根據權利要求9所述的一種基于卷積網絡和軌跡跟蹤的復合材料缺陷超聲檢測方法，其特征在于，所述數據處理器(4)連接顯示器，采用GUI窗口顯示診斷結果和缺陷信息以及探頭(5)的運動軌跡。