一种基于A扫缺陷识别的多任务深度学习方法

摘要

针对超声相控阵(NDT)缺陷检测,本文提出一种利用多任务深度学习网络进行A扫缺陷分类的方法。运用超声相控阵探伤仪检测物体缺陷,得到A扫缺陷波形图;将得到的A扫图像经过预处理,运用MATLAB将波形图像中曲线上的数据进行提取转为一维时序数据;利用小波变换(WCT)将得到的一维时序数据转为二维时频图像;最后,利用深度学习网络Resnet进行训练。实验结果表明,利用小波变换结合深度学习的缺陷识别方式有较高的准确率。