文章摘要
解邦鑫,刘昱,贺西平.基于卷积神经网络的超声金属材料辨识[J].声学技术,2023,42(6):764~771
基于卷积神经网络的超声金属材料辨识
Ultrasonic metal material identification based on convolutional neural network
投稿时间:2022-07-15  修订日期:2022-09-17
DOI:10.16300/j.cnki.1000-3630.2023.06.009
中文关键词: 金属材料  超声辨识  卷积神经网络  超声无损检测  时频分析
英文关键词: metal materials  ultrasonic identification  convolutional neural network  ultrasonic nondestructive testing  time-frequency analysis
基金项目:国家自然科学基金(12174241)
作者单位E-mail
解邦鑫 陕西师范大学物理学与信息技术学院陕西省超声重点实验室, 陕西西安 710119  
刘昱 陕西师范大学物理学与信息技术学院陕西省超声重点实验室, 陕西西安 710119  
贺西平 陕西师范大学物理学与信息技术学院陕西省超声重点实验室, 陕西西安 710119 hexiping@snnu.edu.cn 
摘要点击次数: 120
全文下载次数: 151
中文摘要:
      传统的金属材料辨识方法会给被检测样品带来一定程度的损伤。文章通过采集金属材料的超声回波时域信号,采用短时傅里叶变换对其进行时频分析,得到包含金属材料微观组织信息的超声时频谱。将目标样品的超声时频谱预处理后作为训练样本,输入到构建好的卷积神经网络中进行训练。然后采集目标样品以及干扰样品的超声频谱图,分别将其输入网络进行辨识。结果表明,神经网络在训练时收敛较快,损失函数在迭代200次后收敛,在经过100次迭代后训练集准确率趋于100%。训练完成的网络模型记录着对应训练样本的特征信息,利用该训练好的网络对待测样本进行辨识,最终可实现超声金属材料辨识。
英文摘要:
      Traditional identification methods of metal materials will cause a certain degree of damage of the tested samples. In this paper, the ultrasonic echo signals of metal materials is collected, the short-time Fourier transform(STFT)is used for time-frequency analysis of the signals, and the ultrasonic time-frequency spectrums containing the microstructure information of metal materials are obtained. The images of the ultrasonic spectrum are processed as samples to input into the constructed convolutional neural network for training. The results show that the neural network converges quickly and can show excellent performance and recognition accuracy in the verification set. The network models after training all record the characteristic information of corresponding training samples, which can be stored as a database. Ultrasonic metal material identification can be realized by using the trained network to identify test samples.
查看全文   查看/发表评论  下载PDF阅读器
关闭