一种基于多端深度神经网络的热扩散率高精度反演方法

一种基于多端深度神经网络的热扩散率高精度反演方法属于红外热波无损检测与材料热物性测量技术领域，尤其涉及一种基于多端深度神经网络的热扩散率高精度反演方法。本发明旨在解决传统热扩散率测量方法中的计算效率低、噪声敏感性强和鲁棒性不足的问题，并针对含有损伤缺陷的材料提出一种基于多端深度神经网络的热扩散率高精度反演方法。具体来说，本发明利用锁相热成像技术提取热波的振幅和相位，获得描述热扩散过程的稳定特征。构建以空间坐标、激励频率、表面温度信息、振幅和相位为输入的深度学习网络，通过多模态数据融合、先进的去除直流分量技术和多端深度神经网络架构，实现对复杂材料热扩散率的高效、精准测量。