[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

说明书

本发明公开了基于深度学习的磁瓦内部缺陷检测方法包括：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；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。并将所述检测方法应用到磁瓦内部检测的系统及装置上，本发明利用卷积网络从磁瓦的声音信号中提取特征，能够有效的挖掘数据中的隐藏信息，从而实现识别磁瓦内部的缺陷，进而实现智能磁瓦内部检测，具有很好的工业价值。

技术领域

本发明属于磁瓦检测领域，具体涉及一种基于深度学习的磁瓦内部缺陷检测方法及其应用。

背景技术

磁瓦是由磁性材料制成的一种特殊形状的磁体。根据磁性材料的不同，磁瓦被分为铁氧体磁瓦、钕铁硼合金磁瓦、铝镍钴合金磁瓦以及钐钴合金磁瓦。由于铁氧体磁瓦的高性价比优势，其被广泛地应用在国民经济和国防支柱产业，如汽车、家用电器、电动工具、电子和计算机等。近年来，随着时代的进步和环保意识的提升，铁氧体磁瓦作为一种清洁能源，更是被广泛地应用在电动汽车、新能源、智慧城市、智慧地球等新兴领域。由于原材料可获得性强，性价比高，铁氧体磁瓦整体市场需求量正以每年 10％-15％的速度高速增长。此外，进入21世纪以来，凭借较为成熟的制造工艺以及相对合理的人力成本，铁氧体磁瓦逐渐成为我国磁瓦生产企业参与国际磁材贸易的核心产品。

磁瓦的制造需要经历一个多工序、多工艺的复杂生产流程，并且具有大批量、连续性的生产特点，所以成品磁瓦的偶发性质量问题在所难免。这其中尤其以磁瓦内部缺陷检测所暴露的问题最为突出，由于鲜有针对性的无损检测技术研究和应用，我国磁瓦内部缺陷检测还大量依赖于低效率、低精度的传统人工操作方法，其极大制约了我国磁瓦制造业的整体生产水平，以至于内部缺陷检测成为了提升我国磁瓦制造业核心竞争力的严重瓶颈。

发明内容

本发明的目的在于提供一种快速、准确和可靠的基于深度学习的磁瓦内部无损缺陷检测方法。

为实现上述目的，本发明采用如下技术方案：

基于深度学习的磁瓦内部缺陷检测方法，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。

进一步地，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。

进一步地，所述训练样本数量可通过数据扩增进行数据增加。

进一步地，所述全连接层输出的数据经过批归一化处理。

本发明还提供了一种磁瓦内部缺陷检测系统，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，检测模块内设置有上述的卷积网络模型。

本发明具有以下有益效果：

(1)利用卷积网络从磁瓦的声音信号中提取特征，能够有效的挖掘数据中的隐藏信息，从而实现识别磁瓦内部的缺陷；