[发明专利]缺陷检测方法、缺陷检测装置和计算机可读存储介质

权利要求书

1.一种缺陷检测方法，其特征在于，所述缺陷检测方法包括：

接收检测信号，所述检测信号包括时域信号；

将所述时域信号转换成图像信号；

将所述图像信号输入第一深度学习网络，提取所述图像信号的特征参数，所述第一深度学习网络至少包括相连接的两层不同类型的网络结构；

将所述特征参数输入第二深度学习网络，输出缺陷检测结果。

2.根据权利要求1所述的缺陷检测方法，其特征在于，

所述第一深度学习网络包括相连接的VGG16网络层、ResNet50网络层和Densenet161网络层。

3.根据权利要求1所述的缺陷检测方法，其特征在于，所述将所述图像信号输入第一深度学习网络，提取所述图像信号的特征参数之前包括：

获取原始时域信号；

对所述原始时域信号添加高斯噪声，得到拓展时域信号；

利用所述原始时域信号和拓展时域信号作为样本进行模型训练，得到所述第一深度学习网络。

4.根据权利要求1所述的缺陷检测方法，其特征在于，所述将所述特征参数输入第二深度学习网络，输出缺陷检测结果包括：

利用所述第二深度学习网络获取缺陷的尺寸信息；

输出所述缺陷所属的尺寸类别。

5.根据权利要求1所述的缺陷检测方法，其特征在于，所述将所述特征参数输入第二深度学习网络，输出缺陷检测结果之前包括：

获取样本图像信号；

获取所述样本图像信号的特征信息，得到图像特征矩阵；

将所述图像特征矩阵作为模型的输入，训练得到所述第二深度学习网络。

6.根据权利要求1所述的缺陷检测方法，其特征在于，

所述第二深度学习网络为长短期记忆网络。

7.根据权利要求1所述的缺陷检测方法，其特征在于，所述将所述时域信号转换成图像信号包括：

对所述时域信号进行小波变换处理，生成包含时域信息和频域信息的时频谱图，得到所述图像信号。

8.根据权利要求4所述的缺陷检测方法，其特征在于，所述方法还包括：

预先建立所述缺陷所属的尺寸类别与所述缺陷的尺寸信息的对应关系表，利用所述第二深度学习网络基于所述对应关系表进行缺陷分类，输出所述缺陷所属的尺寸类别。

9.一种缺陷检测装置，其特征在于，包括激励装置、接收装置以及处理器，所述激励装置用于向待测工件发射激励信号；所述接收装置与所述处理器连接，所述接收装置用于检测所述待测工件反馈的时频信号，并将所述时频信号发送至所述处理器，以使得所述处理器通过权利要求1-8中任一项所述的缺陷检测方法对所述待测工件进行缺陷检测。

10.一种计算机可读存储介质，用于存储计算机程序，其特征在于，所述计算机程序在被处理器执行时，用于实现权利要求1-8中任一项所述的缺陷检测方法。