[发明专利]一种基于机器学习提高无损检测精度的方法

说明书

本发明公开了一种基于机器学习提高无损检测精度的方法，具体涉及机器学习技术领域，其具体方法如下：(1)、建立系统：建立机器学习建模系统；(2)、模型建立：建立人工智能基本模型，收集检测数据作为学习数据；(3)、机器学习训练：将检测数据导入机器学习建模系统中进行学习训练；(4)、优化检测模型：通过对各种不同的检测数据进行分析，并对其分析结果进行验证，将数据和验证结果做成示例再补充到训练集，进而优化检测模型。本方法分析目标参数多，判断精准，自动化程度高并且相比传统技术，提高了目标参数的利用，且采用人工智能判断，摒弃了传统的人为经验干预，有效的提高检测结果的精度。

技术领域

本发明涉及机器学习技术领域，更具体地说，本发明涉及一种基于机器学习提高无损检测精度的方法。

背景技术

现有的工程无损检测技术在是利用信号激发装置和信号接收装置进行数据采集工作，再利用编好程序的软件对数据进行解析，得到所需的某一两个目标参数，检测人员根据判断标准再结合经验加以判断，给出结果。这种传统的数据解析及分析方法得到的结果存在一定缺陷如：软件只为得到某一两个目标参数而编程，除了目标参数，其他可用的参数不能参与结果的判断；某些分析结果需结合经验加以判断，不能做到判断结果精准化、自能化。

为此需要净水机租赁来解决这个问题，因此，我们提出了一种基于机器学习提高无损检测精度的方法来解决净水机的租赁问题。

发明内容

为了克服现有技术的上述缺陷，本发明的实施例提供一种基于机器学习提高无损检测精度的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于机器学习提高无损检测精度的方法，其具体方法如下：

(1)、建立系统：建立机器学习建模系统；

(2)、模型建立：建立人工智能基本模型，收集检测数据作为学习数据；

(3)、机器学习训练：将检测数据导入机器学习建模系统中进行学习训练；

(4)、优化检测模型：通过对各种不同的检测数据进行分析，并对其分析结果进行验证，将数据和验证结果做成示例再补充到训练集，进而优化检测模型；

(5)、智能检测：将需要分析的检测数据导入训练后的人工智能基本模型中，人工智能基本模型生成检测结果。

在上述技术方案的基础上，所述收集检测数据时采集被测物，在被测物上标记检测点，使用信号激发装置激发信号，使信号在被测物内部传播。

在上述技术方案的基础上，所述收集检测数据时使用信号接收装置，沿标记的检测点逐点采集在结构物内部传播后的信号，并对信号进行充分的解析。

在上述技术方案的基础上，所述收集检测数据时对被测物进行分析，标记每个检测点的状态，将每个检测点的状态和采集到的信号进行匹配后作为学习数据。

在上述技术方案的基础上，所述收集检测数据时中每个测点检测的信号包括11个参数：T_FFT[0]、T_FFT[1]、T_FFT[2]：信号傅里叶变换后的振幅前3阶极值点；T_MEM[0]、T_MEM[1]、T_MEM[2]：最大熵处理的幅前3阶极值点；R_FFT[1]、R_FFT[2]：傅里叶变化后二阶、三阶振幅相对一阶极值点的相对振幅；T_FstHfS：首波半波长；VRF(km/s)：标准波速；V_VPB(km/s)：测试波速。

在上述技术方案的基础上，所述机器学习建模系统包括数据模块、训练学习模块、求和模块、建模模块与显示模块。

在上述技术方案的基础上，所述数据模块包括数据获取单元、数据储存单元与数据分析单元，所述显示模块包括显示器单元。

本发明的技术效果和优点：