基于机器学习的超声导波检测焊缝缺陷方法、装置及设备

本发明公开了一种基于机器学习的超声导波检测焊缝缺陷方法、装置及设备，涉及无损检测技术领域，该方法针对大量已知缺陷的焊缝缺陷样本通过超声导波技术获取特征的反射信号，运用P‑PCA算法提取主成分与凸显成分特征，与已知缺陷对照训练，并结合K近邻模型构建缺陷标识模型库；在检测时，识别与提取待测焊缝的缺陷特征，通过K近邻模型与模型库进行模糊匹配，确定缺陷分类，计算具体缺陷位置；另外，采用有监督学习和SVM回归，基于检测结果与模型库的差异特征点，对模型库进行样本衍生。本申请不仅能实现焊缝缺陷信号的精准快速识别、提取与分类及定位，还能降低对操作人员的依赖，提升焊缝缺陷无损检测的可靠性和精准性。