一种基于无监督流形分割的超声波缺陷检测方法技术

一种基于无监督流形分割的超声波缺陷检测方法，属于碳纤维聚合物内部缺陷无损检测技术领域。它包括以下步骤：1)获取聚合物内部缺陷图像数据集；2)缺陷超声数据预处理；3)统一流形逼近与投影降维；4)无监督图像分割；5)缺陷可视化。本发明专利技术利用统一流形逼近与投影，保存局部信息和全局数据结构，对数据进行高质量的降维，并结合无监督图像分割方法进行了像素级的分割和聚类，完成了缺陷区域提取，提升了聚合物内部缺陷超声成像的可识别性，有助于提高超声波无损检测的准确性。高超声波无损检测的准确性。高超声波无损检测的准确性。

【技术实现步骤摘要】
一种基于无监督流形分割的超声波缺陷检测方法


[0001]本专利技术属于碳纤维聚合物内部缺陷无损检测
，具体涉及一种基于无监督流形分割的超声波缺陷检测方法。

技术介绍

[0002]碳纤维增强复合材料(CFRP)具有密度低、强度高和高化学稳定性等优质特性，一直是传统金属材料的竞替代品，在航空和汽车等工业领域具有重要的应用。但在制造和使用过程中，受制备工艺和外部冲击等因素影响，CFRP结构容易产生缺陷和损伤。为确保CFRP的完整性和可靠性，在制造和使用CFRP材料的过程中进行无损检测显得尤为重要。
[0003]目前，已经开发了多种超声成像数据分析方法，然而，这些算法的分类器的训练需要大量的历史数据，目前获得大规模的样本数据集比较困难，一些图像处理的算法基本上不能直接用于复合材料超声缺陷检测。因此，实现无监督超声的自动化检测显得格外重要。

技术实现思路

[0004]针对现有技术中存在的上述问题，本专利技术的目的在于提供一种基于无监督流形分割的超声波缺陷检测方法，方法充分利用流形学习降维和无监督图像分割的优势，实现了模型的高效检测。
[0005]本专利技术提供如下技术方案：一种基于无监督流形分割的超声波缺陷检测方法，无监督流形分割Ums(Unsupervised manifold segmentation)包括统一流形逼近与投影降维及无监督语义分割，包括以下步骤:
[0006](1)获取聚合物内部缺陷图像数据集
[0007]采用超声相控检测仪发射连续的固定间隔的超声脉冲到工件表面，从聚合物内部中采集超声图像，声波在工件内部传播，在测试介质的上表面、下表面以及介质与缺陷构成的界面都将发生反射，使用接收器捕获超声回波，最后，将获取的超声缺陷图像保存为三维矩阵记录下来；
[0008](2)缺陷超声数据预处理
[0009]将以三维矩转形式记录的超声缺陷图像转换为二维矩阵，并对二维矩阵进行预处理，以平衡不同深度缺陷的回波并减弱表面和底部回波的影响；
[0010](3)统一流形逼近与投影降维
[0011]将步骤(2)中预处理后的二维矩阵作为输入，统一流形逼近与投影算法通过计算每个点的最近邻域的隶属度，构建模糊拓扑表示，在低维空间中对低维表示进行优化，并采用交叉熵对其进行度量；
[0012](4)无监督语义分割
[0013]将降维后的二维矩阵按行方向取平均值，转换为二维矩阵，根据像素的颜色、纹理进行自适应聚类，分配一致的语义标签并进行超像素分割，并且对图像进行预分类，然后，使用深度卷积网络计算特征图，直到语义分割结果与预分类的结果相符合，最后进行合并
区块可视化输出；
[0014](5)缺陷可视化
[0015]把超声缺陷图像的无监督流形分割Ums的结果输出，并将缺陷可视化。
[0016]所述的一种基于无监督流形分割的超声波缺陷检测方法，其特征在于，所述步骤(2)的过程为：
[0017]步骤2.1：将记录的三维超声矩阵X0∈R
H
×
X
×
Y
转换为二维矩阵X1，其中H，X，Y分别表示采样时间点、水平扫描方向和垂直扫描方向上的位置；
[0018]步骤2.2：采用鲁棒标准化方法对二维矩阵X1预处理，以平衡不同深度缺陷的回波并减弱表面和底部回波的影响，其计算公式为：
[0019][0020]式中x表示样本的某个值，median是样本的中位数，IQR是样本的四分位距。
[0021]所述的一种基于无监督流形分割的超声波缺陷检测方法，其特征在于，所述步骤(3)的具体过程如下：
[0022]步骤3.1：对步骤2.2中进行预处理后的超声数据矩阵中的每一个像素值进行近邻点计算，其计算公式为：
[0023][0024]式中x
i
和x
j
为展开的超声成像数据矩阵中的样本点，其中下标i、j为样本点序号，d(x
i
,x
j
)为点x
i
和点x
j
之间的任意距离，式中ρ
i
代表从第i个数据点到其第一个最近邻点的距离，σ
i
代表归一化因子；
[0025]步骤3.2：使用图拉普拉斯分配初始低维坐标，然后通过构造拉普拉斯矩阵用矩阵代数对其进行形式化，最后对拉普拉斯矩阵进行分解，得到每个x
i
的k最近邻集合其中对于每个x
i
，确定ρ
i
和σ
i
:
[0026][0027][0028]为了将具有局部变化的度量的点粘合在一起，使用高维概率的对称化，进行分布的计算：
[0029]p
ij
＝p
i|j
+p
j|i
‑
p
i|j
p
j|i
；
[0030]步骤3.3：用的曲线簇计算低维距离概率，进行谱嵌入初始化低维表示，不需要进行归一化，q
ij
表示y
i
是y
j
邻域的分布概率，公式如下：
[0031]q
ij
＝(1+a(y
i
‑
y
j
)
2b
)
‑1[0032]式中超参数a、b为经验参数，y
i
，y
j
为x
i
，x
j
在低维空间中的映射；
[0033]步骤3.4：优化低维表示，并采用交叉熵对其进行度量，公式如下：
[0034][0035]所述的一种基于无监督流形分割的超声波缺陷检测方法，其特征在于，所述步骤(4)的具体过程如下：
[0036]步骤4.1：将降维后的二维矩阵按行方向取平均值表示成转换为大小为n
x
×
n
y
的2维矩阵原尺寸图像，根据像素的颜色、纹理进行自适应聚类，分配一致的语义标签，使用菲尔森茨瓦布算法进行超像素分割，并且对图像进行预分类，若超像素分割后的小区域的语义信息没有区别，则分配一致的语义标签，初始化卷积神经网络，保持每层的方差与均值；
[0037]步骤4.2：使用初始化卷积神经网络，根据特征图，取数值最大者为对应像素的标签，对于语义分割聚类结果，统计每个聚类中，出现次数最多的类别，将这个聚类里所有像素中含有相同语义信息的像素记为小区块，最后将所有小区块合并为大区块；
[0038]步骤4.3：计算损失函数，采用随机梯度下降更新参数，迭代T次收敛，直到语义分割结果与预分类的结果相符合。
[0039]通过采用上述技术，与现有技术相比，本专利技术的有益效果如下：
[0040]本专利技术利用统一流形逼近与投影，保存尽可能多的局部和更多的全局数据结构，对数据进行高质量的降维，并结合无监督图像分割方法进行了像素级的分割和聚类，完成了缺陷区域提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无监督流形分割的超声波缺陷检测方法，无监督流形分割Ums包括统一流形逼近与投影降维及无监督语义分割，其特征在于：包括以下步骤:(1)获取聚合物内部缺陷图像数据集采用超声相控检测仪发射连续的固定间隔的超声脉冲到工件表面，从聚合物内部中采集超声图像，声波在工件内部传播，在测试介质的上表面、下表面以及介质与缺陷构成的界面都将发生反射，使用接收器捕获超声回波，最后，将获取的超声缺陷图像保存为三维矩阵记录下来；(2)缺陷超声数据预处理将以三维矩转形式记录的超声缺陷图像转换为二维矩阵，并对二维矩阵进行预处理，以平衡不同深度缺陷的回波并减弱表面和底部回波的影响；(3)统一流形逼近与投影降维将步骤(2)中预处理后的二维矩阵作为输入，统一流形逼近与投影算法通过计算每个点的最近邻域的隶属度，构建模糊拓扑表示，在低维空间中对低维表示进行优化，并采用交叉熵对其进行度量；(4)无监督语义分割将降维后的二维矩阵按行方向取平均值，转换为二维矩阵，根据像素的颜色、纹理进行自适应聚类，分配一致的语义标签并进行超像素分割，并且对图像进行预分类，然后，使用深度卷积网络计算特征图，直到语义分割结果与预分类的结果相符合，最后进行合并区块可视化输出；(5)缺陷可视化把超声缺陷图像的无监督流形分割Ums的结果输出，并将缺陷可视化。2.如权利要求1所述的一种基于无监督流形分割的超声波缺陷检测方法，其特征在于，所述步骤(2)的过程为：步骤2.1：将记录的三维超声矩阵X0∈R
H
×
X
×
Y
转换为二维矩阵X1，其中H，X，Y分别表示采样时间点、水平扫描方向和垂直扫描方向上的位置；步骤2.2：采用鲁棒标准化方法对二维矩阵X1预处理，以平衡不同深度缺陷的回波并减弱表面和底部回波的影响，其计算公式为：式中x表示样本的某个值，median是样本的中位数，IQR是样本的四分位距。3.如权利要求1所述的一种基于无监督流形分割的超声波缺陷检测方法，其特征在于，所述步骤(3)的具体过程如下：步骤3.1：对步骤2.2中进行预处理后的超声数据矩阵中的每一个像素值进行近邻点计算，其计算公式为：式中x
i
和x
j
为展开的超声成像数据矩阵中的样本点，其中下标i、j为样本点序号，d(x
i
,x
j
)为点x
i
和点x
j
之间的任意距离，式中ρ
i

【专利技术属性】
技术研发人员：刘毅，娄维尧，余清，刘凯新，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：