摘要
本发明公开了一种管道缺陷识别方法、装置、存储介质及设备,属于管道缺陷检测技术领域。该方法包括:S1:获取由布设在管道的内壁和/或外壁上的声学传感器采集的时序声音信号;S2:对时序声音信号进行声谱图提取,得到Mel谱图和LOFAR谱图;S3:通过多模态信号融合的深度学习模型对Mel谱图、LOFAR谱图和时序声音信号进行特征提取,得到包含谱图特征和时序特征的特征向量,并根据特征向量进行分类,得到管道缺陷的分类结果。本发明将声学信号转换为不同类型的谱图,并结合原始时序信号,通过深度学习模型进行特征提取、融合与分类,充分利用声谱图与时序信号的互补信息,以克服单一识别模态的局限性,提高了管道缺陷检测的准确性与鲁棒性。
技术关键词
管道缺陷识别方法
谱图特征
声学传感器
深度学习模型
时序特征
人工神经网络模型
特征提取单元
管道缺陷检测
声谱
长短期记忆网络
残差网络
多模态
存储计算机可执行指令
滤波器
注意力机制
信号采集模块
系统为您推荐了相关专利信息
配电网智能规划系统
子模块
孤立森林算法
数据
供电系统
织物组织结构
智能检测方法
深度学习模型
便携式显微镜
轻量化卷积神经网络
实体识别模型
三元组
知识图谱构建方法
深度学习模型
结构化数据格式