基于深度学习的石油配件泥浆泵壳体的缺陷识别方法及系统

本申请公开了一种基于深度学习的石油配件泥浆泵壳体的缺陷识别方法及系统，属于机器学习技术领域，所述方法包括：采集泥浆泵壳体内腔的声学原始信号，并对所述原始信号进行预处理，以得到所述泥浆泵壳体在目标激励下的声学响应特征；计算所述声学响应特征的频率域能量分布特征、时间频率相关性特征和模态分解特征，并进行预设频率范围内的离散化处理，以得到特征向量；将所述特征向量输入已训练的基于卷积神经网络和长短期记忆网络构建的深度学习模型，以得到所述泥浆泵壳体各种缺陷类型的概率分布。通过本申请的方案，能够利用壳体的声学特性，并结合信号处理和机器学习技术，实现泥浆泵壳体快速、无损、自动化的缺陷检测。