[发明专利]基于深度学习的磁瓦内部缺陷检测方法及其应用

权利要求书

1.基于深度学习的磁瓦内部缺陷检测方法，其特征在于包括：采集磁瓦声音信号并将所述声音信号输入到卷积网络模型中进行内部缺陷检测；

其中，所述卷积网络模型包括依次连接的五个滤波器和一个分类器，所述滤波器包括卷积层和池化层，卷积层的输出数据均经过批归一化处理后输入到池化层，第一个滤波器的卷积层的卷积核为32×1，后四个滤波器的卷积层的卷积核均为3×1，五个滤波器的池化层的卷积核均为2×1；所述分类器包括全连接层和softmax层。

2.根据权利要求1所述的基于深度学习的磁瓦内部缺陷检测方法，其特征在于：所述卷积网络模型是通过如下步骤被训练出来的：

(1)选择若干个好磁瓦和缺陷磁瓦，采集好磁瓦和缺陷磁瓦的声音信号，并将所述声音信号分为训练样本和测试样本；

(2)通过训练样本构成卷积网络模型，再利用测试样本测试卷积网络模型直到测试样本被完全检测正确为止的卷积网络模型为最终卷积网络模型。

3.根据权利要求2所述的基于深度学习的磁瓦内部缺陷检测方法，其特征在于：所述训练样本数量可通过数据扩增进行数据增加。

4.根据权利要求1所述的基于深度学习的磁瓦内部缺陷检测方法，其特征在于：所述全连接层输出的数据经过批归一化处理。

5.一种磁瓦内部缺陷检测系统，其特征在于：包括用于采集磁瓦声音信号的声音采集器以及与声音采集器连接的用于检测磁瓦内部是否有缺陷的检测模块，检测模块内设置有权利要求1所述的卷积网络模型。