[发明专利]一种基于FCN与GRU的3D编织复合材料缺陷检测方法在审
| 申请号： | 201910584117.1 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110297041A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 肖志涛;郭永敏;耿磊;吴骏;张芳;王雯;刘彦北 | 申请（专利权）人： | 天津工业大学 |
| 主分类号： | G01N29/06 | 分类号： | G01N29/06;G01N29/44 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 300387 *** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于FCN与GRU的3D编织复合材料缺陷检测方法，该方法包括：1)利用超声相控阵设备搭建用于采集3D编织复合材料的超声信号扫描系统；2)采集3D编织复合材料的超声信号，利用采集到的超声A信号构建数据集；3)使用改进好的FCN+GRU网络对数据集进行训练；4)采集待检测3D编织复合材料的超声A信号，用训练好的网络模型检测3D编织复合材料是否存在缺陷。与传统图像检测方案相比，本发明方法避免了复杂的A扫图像处理，能够直接对超声信号的序列数据进行检测。 | ||
| 搜索关键词： | 编织复合材料 超声信号 采集 检测 缺陷检测 数据集 超声 超声相控阵 传统图像 扫描系统 图像处理 网络模型 信号构建 序列数据 改进 网络 | ||
【主权项】：
1.一种基于FCN与GRU的3D编织复合材料缺陷检测方法，所述方法包括下列步骤：步骤1：采用超声相控阵设备搭建用于采集待测试件的超声信号扫描系统；步骤2：利用步骤1中搭建的采集系统获得A扫信号，构建A扫信号数据集；步骤3：设置损失函数理想值，通过将FCN模块与GRU模块相结合形成FCN+GRU网络，将步骤2中得到的A扫信号数据集输入FCN+GRU网络中进行深度学习网络训练，训练中通过计算网络损失函数来调整网络参数，得到最优的网络训练模型；步骤4：采集待检测3D编织复合材料的超声A信号，利用步骤3中训练好的网络模型检测3D编织复合材料是否存在缺陷。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津工业大学，未经天津工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910584117.1/，转载请声明来源钻瓜专利网。
