摘要
本发明提供了一种基于毫米波雷达的钢体表面粗糙度检测方法与系统,其中该方法,包括:采集钢体表面不同粗糙度下的毫米波雷达回波信号;计算出第一帧和第一个chirp中的所有毫米波雷达采样点的模值,将模值作为特征向量输入到CNN‑LSTM回归神经网络中进行训练得到钢体表面粗糙度检测模型;使用钢体表面粗糙度检测模型完成目标钢体表面粗糙度的检测。本发明通过提取出不同钢体表面粗糙度的毫米波雷达回波信号中的特征向量,并将其制作为样本输入到深度学习回归模型中进行训练得到钢体表面粗糙度检测模型,可以实现对钢体表面粗糙度的快速、准确检测,而无需接触被测物体,避免了物理接触可能带来的损伤或干扰。
技术关键词
表面粗糙度检测
钢体
雷达
回波
深度学习回归模型
信号预处理模块
滤波器
样本
信号获取模块
神经网络训练
采样点
收发器
存储器
处理器
可读存储介质
电子设备
系统为您推荐了相关专利信息
裂缝检测方法
列车转向架
自动导引车
激光雷达
转向架主结构
隧道巡检机器人
直线导轨
旋转平台
伸缩筒
合成孔径雷达系统
手写字母识别方法
轨迹特征
雷达
双层长短期记忆网络
信号特征提取
循环神经网络模型
深度机器学习
波长
分析芯片
编码器