一种基于云计算的交流电磁场检测缺陷智能识别分类方法技术

本发明专利技术公开了一种基于云计算的交流电磁场检测缺陷智能识别分类方法，包括以下步骤：S1、基于Tensorflow的Keras模块构建神经网络；S2、基于Python的Flask模块，将训练完成的神经网络部署在云端服务器；S3、计算机远程访问服务器的web端口,远程PC通过将检测完成的图像数据上传至服务器；S4、服务器可以利用Python的matplotlib模块将彩色图像转换为灰度图像；S5、将灰度图像输入到神经网络，神经网络通过Flask输出分类结果返回给客户端。本发明专利技术实现了用户不受时间空间的限制，随时随地在云端对缺陷数据进行分类识别，为交流电磁场检测领域缺陷数据处理分析提供了便捷的新方式，节省计算资源，有利于缺陷智能分类识别技术的推广应用。用。用。

【技术实现步骤摘要】
一种基于云计算的交流电磁场检测缺陷智能识别分类方法


[0001]本专利技术涉及云数据处理
，特别涉及一种基于云计算的交流电磁场检测缺陷智能识别分类方法。

技术介绍

[0002]云计算是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户，交流电磁场检测技术（ACFM）是一种新型电磁无损检测技术，目前已经被广泛应用于核电、航空航天等非铁磁性材料的检测。传统 ACFM 仪器智能化水平有限，缺陷检测结果识别方法通常依靠人经验判定，大量检测数据给数据分析人员带来高强度工作，缺陷智能分类识别可为后续缺陷分类评估奠定基础，对于结构评估和制定维修方案具有重要意义。然而在进行ACFM缺陷智能分类识别时，受到本地检测设备算力资源和用户地理位置的限制，在全部有缺陷智能分类识别需要的设备上部署神经网络模型对缺陷数据进行分类与识别是不现实的，即使在部分客户端安装智能分类识别模块，也无法满足庞大的检测需求，也无法进行实时数据处理与分析。因此很难满足所有用户都能够本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的交流电磁场检测缺陷智能识别分类方法，其特征在于，包括以下步骤：S1、基于Tensorflow的Keras模块构建神经网络；S2、基于Python的Flask模块，将训练完成的神经网络部署在云端服务器；S3、计算机远程访问服务器的web端口, 远程PC通过将检测完成的图像数据上传至服务器；S4、服务器可以利用Python的matplotlib 模块将彩色图像转换为灰度图像；S5、将灰度图像输入到神经网络，神经网络通过Flask输出分类结果返回给客户端。2.根据权利要求1所述的一种基于云计算的交流电磁场检测缺陷智能识别分类方法，其特征在于：在步骤S1中，包括以下步骤：S11、构建用于图像分类的卷积神经网络；S12、将数据库划分为训练集和测试集；S13、神经网络训练；S14、保存训练好的网络结构和权重文件。3.根据权利要求2所述的一种基于云计算的交流电...

【专利技术属性】
技术研发人员：杜颖，李晓明，武斌斌，韩敬艳，刘建峰，赵刚，陈曦，张琛，袁新安，李伟，
申请(专利权)人：中海油深圳海洋工程技术服务有限公司，
类型：发明
国别省市：