去噪扩散样本增量学习的碳纤维材料损伤检测方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术领域，公开一种去噪扩散样本增量学习的碳纤维材料损伤检测方法及装置。该方法包括：对碳纤维复合材料进行图像数据采集，得到真实样本；对所述真实样本进行扩散处理和逆扩散处理，生成拟合样本；将所述拟合样本补充至所述真实样本中，得到完备样本；使用所述完备样本对预设的损伤预测模型进行训练，得到训练后的损伤预测模型。本发明专利技术实施例可以提高实际样本稀缺和提高样本质量。实施例可以提高实际样本稀缺和提高样本质量。实施例可以提高实际样本稀缺和提高样本质量。

【技术实现步骤摘要】
去噪扩散样本增量学习的碳纤维材料损伤检测方法及装置


[0001]本专利技术涉及人工智能
，尤其是一种去噪扩散样本增量学习的碳纤维材料损伤检测方法及装置。

技术介绍

[0002]碳纤维复合芯导线是一种新型导线，具有载流大、导线轻和损失率低等显著优点。使用碳纤维复合芯导线可以应对资源渠道短缺和用电负荷需求快速增长的社会现状。碳纤维复合芯导线线材虽然具有良好的拉伸性能，但对抗径向压缩、弯曲和扭转性能较差。因此，在施工过程中受到弯曲和碰撞，导线线芯可能会发生损坏，并且在投入使用后拉紧导线会导致损坏的加重，最终导致严重的事故。
[0003]现在常用的碳纤维复合芯导线检测使用X射线扫描导线，得到X射线图像，构造出数据集进行基于深度学习网络的监督学习。但存在两个不足：1.监督学习需要大量的高质量样本，但是在导线使用或运输过程中获取缺陷样本不切实际，实验室中制造缺陷样本会耗费大量资源和时间，因此数据集是不完备的，不能获取数据集涵盖所有的缺陷种类并且每个种类有足够丰富的样本。2.在样本采集过程中会受到各种因素的干扰，大部分采集的样本存在噪声的干扰，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种去噪扩散样本增量学习的碳纤维材料损伤检测方法，其特征在于，包括：对碳纤维复合材料进行图像数据采集，得到真实样本；对所述真实样本进行扩散处理和逆扩散处理，生成拟合样本；将所述拟合样本补充至所述真实样本中，得到完备样本；使用所述完备样本对预设的损伤预测模型进行训练，得到训练后的损伤预测模型。2.根据权利要求1所述的去噪扩散样本增量学习的碳纤维材料损伤检测方法，其特征在于，所述对碳纤维复合材料进行图像数据采集，得到真实样本，包括：对所述碳纤维复合材料进行X射线检测，得到检测图像；将所述检测图像整理为若干批次的图片集，作为所述真实样本。3.根据权利要求1所述的去噪扩散样本增量学习的碳纤维材料损伤检测方法，其特征在于，所述对所述真实样本进行扩散处理和逆扩散处理，生成拟合样本，包括：将所述真实样本输入至预设的扩散模型，得到后验分布；将所述后验分布的采样数据输入所述扩散模型的前向扩散过程，得到加噪数据；依据所述加噪数据预测逆扩散过程的条件概率，得到近似先验分布；使用KL散度对所述近似先验分布进行拟合，得到先验分布；对所述先验分布进行高斯采样并对高斯采样数据进行逆扩散去噪，对逆扩散时间进行自适应调整，得到所述拟合样本。4.根据权利要求3所述的去噪扩散样本增量学习的碳纤维材料损伤检测方法，其特征在于，所述将所述后验分布的采样数据输入所述扩散模型的前向扩散过程，包括：设定扩散时间以及前向扩散过程的高斯噪声；在扩散时间内向所述后验分布的采样数据逐步添加所述高斯噪声，通过一条马尔可夫链将采样数据映射到高斯分布，得到所述加噪数据。5.根据权利要求3所述的去噪扩散样本增量学习的碳纤维材料损伤检测方法，其特征在于，所述依据所述加噪数据预测逆扩散过程的条件概率，得到近似先验分布，包括：将所述加...

【专利技术属性】
技术研发人员：陈鹏，许朝峻，马志刚，张春，
申请(专利权)人：汕头大学，
类型：发明
国别省市：