一种基于机器学习的钢管无损检测系统及方法

本发明涉及无损检测领域，具体公开了一种基于机器学习的钢管无损检测系统及方法，所述无损检测具体包括对初始涡流检测信号进行采集与预处理；对信号进行时频域特征分析，获取基本的时频特征数据；通过基于注意力机制的卷积神经网络和双向门控循环单元对涡流信号进行特征提取和融合处理；在验证特征时，采用一个集成的分类模块对特征进行分类。本发明通过引入注意力机制优化信号特征的权重分配，并结合CNN和B i GRU的时间序列特征提取能力，显著提高了涡流检测在钢管缺陷识别的准确率，解决了传统涡流检测技术中由于噪声干扰和信号复杂性造成的识别误差问题，提高了无损检测的准确性和降低了由于钢管缺陷造成的潜在风险。