一种基于卷积神经网络的电涡流金属辨识方法

摘要：

为实现对主要金相组织同为铁素体和珠光体的3种碳素结构钢的辨识,提出一种基于卷积神经网络的金属辨识方法.卷积神经网络可以很好地处理环境信息复杂、推理规则不明确和样品本身有缺陷情况下的分类,利用涡流无损检测技术和卷积神经网络算法搭建了该金属辨识平台,首先在涡流传感器的工作频率范围内随机选取8个高频点,并通过该传感器分别采集各个频点下金属的信息;然后通过傅里叶变换、坐标变换等数据处理使得每种金属的信息图像化;最终通过卷积神经网络训练来获得辨识模型.结果 表明,该方案对比传统方式可在不损伤金属的情况下识别金属;对比现有的BP神经网络算法(86.20％),对3种金属的正确识别率都达到了92.33％.

关键词：涡流、卷积神经网络、金属辨识、铁素体、珠光体

所属期刊栏目：34

分类号：TP391.4(计算技术、计算机技术)

资助基金：长安大学陕西省高速公路施工机械重点实验室开放基金;中央高校基本科研业务费专项;江苏省高校自然科学研究面上项目;江苏高校“青蓝工程”资助项目

在线出版日期：2020-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：172-179