交流电磁场缺陷在线智能判定与分类识别方法技术

本发明专利技术公开了一种基于交流电磁场检测技术缺陷在线智能判定与分类识别方法，涉及无损检测缺陷评估技术领域，包括：获取试件表面X方向磁场信号Bx和Z方向磁场信号Bz，将X方向磁场信号Bx和Z方向磁场信号Bz与设定的阈值N进行比较，若X方向磁场信号Bx、Z方向磁场信号Bz大于等于阈值N，则判定为缺陷并保存蝶形图，利用事先训练好的CNN抖动判定数据库对缺陷信号进行智能抖动判定，如果判断结果为是缺陷，则利用交流电磁场检测探头对试件进行栅格扫查，获得X方向磁场信号Bx和Z方向磁场信号Bz，进而绘制Z方向磁场信号Bz梯度的灰度图像，利用事先训练好的CNN缺陷分类数据库对缺陷进行智能分类，最终实现缺陷的在线智能判定、识别及分类。

On line intelligent judgment and classification of defects in AC electromagnetic field

【技术实现步骤摘要】
交流电磁场缺陷在线智能判定与分类识别方法
本专利技术涉及无损检测缺陷评估
，尤其涉及一种基于交流电磁场检测技术缺陷在线智能判定与分类识别方法。
技术介绍
海洋结构物长期在海水环境中服役，由于海水腐蚀作用，结构表面很容易产生各类腐蚀缺陷。由于涂层覆盖、附着物堆积等因素，传统无损检测技术在水下结构物检测过程中需要在大面积清理附着物、彻底破坏涂层情况下对缺陷进行检测和评估，作业工序复杂，效率低下，结构表面清理和涂层修复成本高昂。交流电磁场检测(AlternatingCurrentFieldMeasurement-ACFM)技术是一种新兴电磁无损检测技术，主要用于导电材料表面裂纹检测，其利用检测探头在导电试件表面感应出的均匀电流，电流在缺陷周围产生扰动引起空间磁场畸变，通过测量畸变磁场进行缺陷的检测和评估。当无缺陷存在时，导电试件表面电流呈均匀状态，空间磁场无扰动。由于具有非接触测量、定量评估等优势，广泛应用于各类海洋结构物缺陷检测。现有ACFM技术依据特征信号Bx、Bz及蝶形图进行缺陷判定，其中Bx和Bz信号分别为平行于试件表面(与探头扫查方向平行)和垂直于试件表面的磁场信号，特征信号Bx可对裂纹深度评估，特征信号Bz对裂纹长度评估。水下结构物缺陷类型繁多，缺陷形貌复杂，干扰因素多，传统ACFM检测系统智能化程度不足，无法实现缺陷在线智能判定、分类识别与可视化精准评估，特别是海洋结构物缺陷在附着物和涂层掩盖下，现有ACFM技术难以实现在线评估。因此，有必要提出一种准确性高、实时性好、能够实现海洋结构物附着物及涂层下缺陷在线智能判定与分类识别方法，通过ACFM检测可在不祛除附着物和涂层情况下实现缺陷在线智能判定与分类识别，为海洋结构物腐蚀缺陷的检测、评估及寿命预测提供精准数据支撑。
技术实现思路
针对上述问题，本专利技术提供了一种基于交流电磁场检测技术的缺陷在线智能判定与分类识别方法，实时呈现缺陷智能判定，同时进行缺陷分类识别，为海洋结构物缺陷检测评估、寿命预测提供精准、实时数据支撑。本专利技术提供了一种基于交流电磁场检测的缺陷在线智能判定与分类识别方法，包括：步骤一，利用交流电磁场检测探头在试件表面直线扫查，获取试件表面X方向磁场信号Bx和Z方向磁场信号Bz；步骤二，预先设定阈值N，若X方向磁场信号Bx、Z方向磁场信号Bz小于阈值N，则不判定为缺陷，若X方向磁场信号Bx、Z方向磁场信号Bz大于等于阈值N，则判定为缺陷并保存蝶形图，进入步骤三；步骤三，利用事先训练好的卷积神经网络(CNN)抖动判定智能识别算法对步骤二中大于等于阈值N的缺陷蝶形图信号进行智能抖动判定，如果判断结果为是缺陷，进入步骤四；步骤四，利用交流电磁场检测探头对试件进行栅格扫查，获得X方向磁场信号Bx和Z方向磁场信号Bz，绘制Z方向磁场信号Bz梯度的灰度图像；步骤五，利用事先训练好的CNN缺陷分类智能识别算法对缺陷进行智能分类，如果分类结果为裂纹，则利用裂纹两个端点绘制裂纹，得到裂纹长度；如果分类结果为腐蚀缺陷，则利用灰度图中Bz超过阈值部分所占的比例k乘以栅格扫查区域总面积D，得到缺陷实际面积S；如果分类结果为不规则裂纹，则将不规则裂纹各段的端点连接起来得到裂纹走向形貌。本专利技术提供的基于交流电磁场检测技术的缺陷在线智能判定与分类识别方法，利用交流电磁场检测探头在试件表面直线扫查，获取试件表面X方向磁场信号Bx和Z方向磁场信号Bz，将X方向磁场信号Bx和Z方向磁场信号Bz与设定的阈值N进行比较，若X方向磁场信号Bx、Z方向磁场信号Bz大于等于阈值N，则判定为缺陷并保存蝶形图，进一步的，利用事先训练好的CNN抖动判定数据库对缺陷信号进行智能抖动判定，如果判断结果为是缺陷，则利用交流电磁场检测探头对试件进行栅格扫查，获得X方向磁场信号Bx和Z方向磁场信号Bz，进而绘制Z方向磁场信号Bz的灰度图像，利用事先训练好的CNN缺陷分类数据库对缺陷进行智能分类，最终实现缺陷的在线智能判定、识别及分类。附图说明图1为本专利技术提供的基于交流电磁场检测技术的缺陷在线智能判定与分类识别方法流程图；图2为本专利技术实施例提供的磁场信号图像；图3为本专利技术实施例提供的蝶形图；图4为本专利技术实施例提供的CNN抖动判定数据库；图5为本专利技术实施例提供的智能抖动判定结果；图6为本专利技术实施例提供的CNN缺陷分类数据库；图7为本专利技术实施例提供的智能分类结果；图8为本专利技术实施例提供的经智能判定和处理后得到的裂纹图像；图9为本专利技术实施例提供的经智能判定和处理后得到的腐蚀缺陷图像；图10为本专利技术实施例提供的经智能判定和处理后得到的不规则裂纹走向图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面结合附图及具体实施例对本专利技术作进一步的详细描述，显然，所描述的实施例只是本专利技术一部分实施例，而不是全部实施例。基于本专利技术的实施例，本领域的技术人员在不付出创造性劳动的前提下获取的其他实施例，都属于本专利技术保护的范围。在本专利技术实施例中，所述方法应用于基于交流电磁场检测技术的缺陷在线智能判定与分类识别方法，首先利用交流电磁场检测探头在试件表面直线扫查，获取试件表面X方向磁场信号Bx和Z方向磁场信号Bz，将X方向磁场信号Bx和Z方向磁场信号Bz与设定的阈值N进行比较，若X方向磁场信号Bx、Z方向磁场信号Bz大于等于阈值N，则判定为缺陷并保存蝶形图，进一步的，利用事先训练好的CNN抖动判定数据库对缺陷信号进行智能抖动判定，如果判断结果为是缺陷，则利用交流电磁场检测探头对试件进行栅格扫查，获得X方向磁场信号Bx和Z方向磁场信号Bz，进而绘制Z方向磁场信号Bz的灰度图像，利用事先训练好的CNN缺陷分类数据库对缺陷进行智能分类，最终实现缺陷的在线智能判定、识别及分类。实施例一本专利技术实施例提供的基于交流电磁场检测技术的缺陷在线智能判定与分类识别方法，包括：S1，准备好待测试件，利用交流电磁场检测探头在试件表面直线扫查，获取试件表面X方向磁场信号Bx和Z方向磁场信号Bz，如图2所示。S2，预先设定阈值N＝[0.4,0.05]，比较后得到X方向磁场信号Bx、Z方向磁场信号Bz大于等于阈值N，判定为缺陷并保存蝶形图，蝶形图如图3所示。S3，利用单探头对200组缺陷试块开展测试，提取不同缺陷的特征信号Bx和Bz并绘制蝶形图，在没有缺陷位置，将探头大幅度提离试块表面3-10mm、探头侧倾、探头越过结构凸起、探头越过结构表面深坑、探头横向摆动等动作，人为模拟各种干扰信号，形成200组探头扰动干扰信号蝶形图，将上述200组缺陷特征信号蝶形图和200组探头干扰信号蝶形图均转换为像素为28×28的灰度图，完成CNN抖动判定数据库搭建，如图4所示。设置CNN抖动智能识别算法激活函数选择Relu，池化层选择maxpooling，全连接层输出类别为2，输出结果用标签形式显示在图片标题上，CNN层数为7层，并对本文档来自技高网...

【技术保护点】
1.一种交流电磁场缺陷在线智能判定与分类识别方法，其特征在于，包括步骤三：/n利用事先训练好的CNN抖动判定智能识别算法对步骤二中大于等于阈值N的缺陷蝶形图信号进行智能抖动判定，如果判断结果为是缺陷，进入步骤四。/n还包括步骤五：/n利用事先训练好的CNN缺陷分类智能识别算法对缺陷进行智能分类，如果分类结果为裂纹，则利用裂纹两个端点绘制裂纹，得到裂纹长度；如果分类结果为腐蚀缺陷，则利用灰度图中Bz超过阈值部分所占的比例k乘以栅格扫查区域总面积D，得到缺陷实际面积S；如果分类结果为不规则裂纹，则将不规则裂纹各段的端点连接起来得到裂纹走向形貌。/n

【技术特征摘要】
1.一种交流电磁场缺陷在线智能判定与分类识别方法，其特征在于，包括步骤三：
利用事先训练好的CNN抖动判定智能识别算法对步骤二中大于等于阈值N的缺陷蝶形图信号进行智能抖动判定，如果判断结果为是缺陷，进入步骤四。
还包括步骤五：
利用事先训练好的CNN缺陷分类智能识别算法对缺陷进行智能分类，如果分类结果为裂纹，则利用裂纹两个端点绘制裂纹，得到裂纹长度；如果分类结果为腐蚀缺陷，则利用灰度图中Bz超过阈值部分所占的比例k乘以栅格扫查区域总面积D，得到缺陷实际面积S；如果分类结果为不规则裂纹，则将不规则裂纹各段的端点连接起来得到裂纹走向形貌。


2.根据权利要求1所述的交流电磁场缺陷在线智能判定与分类识别方法，其特征在于，...

【专利技术属性】
技术研发人员：袁新安，李伟，陈国明，王振翔，赵建明，朱玉凯，王勇胜，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37