[发明专利]一种检测超声缺陷的三分支注意力特征融合方法与系统

权利要求书

1.一种检测超声缺陷的三分支注意力特征融合方法，其特征在于，包括以下步骤：

S1：利用高斯滤波的方法对采集到的一维超声回波信号进行去噪，再对去噪后的一维超声回波信号进行时频转换，从而获得对应的时频图；

S2：分别对所述去噪后的一维超声回波信号和所述时频图使用多尺度特征提取算法提取特征，从而分别得到一维数据特征和时频图特征；

S3：利用深度多模特征融合算法将所述一维数据特征和所述时频图特征进行融合获得融合特征，再对所述融合特征提取出时间特征；

S4：对所述一维数据特征、所述时频图特征和所述时间特征进行融合得到最终的融合特征，利用所述最终的融合特征进行缺陷检测和分类。

2.根据权利要求1所述的方法，其特征在于，所述时频转换具体包括利用短时傅里叶变换对所述去噪后的一维超声回波信号进行时频转换生成所述时频图。

3.根据权利要求1所述的方法，其特征在于，所述S2具体包括：使用多尺度特征提取算法分别对所述去噪后的一维超声回波信号和所述时频图提取形状层面的多尺度特征，分别得到一维数据特征和时频图特征。

4.根据权利要求1所述的方法，其特征在于，所述利用深度多模特征融合算法将所述一维数据特征和所述时频图特征进行融合获得融合特征具体包括：

根据所述一维数据特征和所述时频图特征分别对应的维度，对所述一维数据特征和所述时频图特征进行维度统一，从而将所述一维数据特征的维度和所述时频图特征的维度转化为相同的值；

将维度统一后的所述一维数据特征和所述时频图特征在通道维度进行拼接后得到输入特征矩阵；

将所述输入特征矩阵输入注意力模型进行学习分类，得到所述注意力模型的输出特征矩阵；

对所述输出特征矩阵与所述输入特征矩阵之间的相对特征进行强化后得到所述融合特征。

5.根据权利要求1所述的方法，其特征在于，所述对所述融合特征提取出时间特征具体包括：根据所述融合特征的尺寸，并且利用门控循环单元对所述融合特征提取出时间特征。

6.根据权利要求1所述的方法，其特征在于，所述S4具体包括：

将所述一维数据特征、所述时频图特征和所述时间特征进行融合得到最终的融合特征，再将所述最终的融合特征通过全连接层进行缺陷检测和分类，输出缺陷分类的结果。

7.根据权利要求1所述的方法，其特征在于，所述S3还包括：

S301：在所述获得融合特征之后，根据所述一维数据特征和所述时频图特征各自的维度将所述融合特征进行还原，从而得到维度与所述一维数据特征一致的新的一维数据特征，以及得到维度与所述时频图特征一致的新的时频图特征；

S302：再分别对所述新的一维数据特征以及所述新的时频图特征使用多尺度特征提取算法提取特征，将得到的两个特征进行融合得到融合特征；

S303：重复循环执行所述S301至所述S302，若干次重复循环执行后得到最终的一维数据特征和时频图特征，同时对每次执行完毕后得到的融合特征分别按照其尺寸进行时间特征的提取，再对每次提取的结果进行维度统一再进行累加得到最终的时间特征。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被计算机处理器执行时实施权利要求1至7中任一项所述的方法。

9.一种检测超声缺陷的三分支注意力特征融合系统，其特征在于，包括：

信号预处理模块：配置用于利用高斯滤波的方法对采集到的一维超声回波信号进行去噪，再对去噪后的一维超声回波信号进行时频转换，从而获得对应的时频图；

多尺度特征提取模块：配置用于分别对所述去噪后的一维超声回波信号和所述时频图使用多尺度特征提取算法提取特征，从而分别得到一维数据特征和时频图特征；

特征融合模块：配置用于利用深度多模特征融合算法将所述一维数据特征和所述时频图特征进行融合获得融合特征，再对所述融合特征提取出时间特征；

检测分类模块：配置用于对所述一维数据特征、所述时频图特征和所述时间特征进行融合得到最终的融合特征，利用所述最终的融合特征进行缺陷检测和分类。