一种基于信号多模空间编码的材料晶粒尺寸分布深度学习超声测量方法

本发明公开了一种基于多模空间信号编码的材料晶粒尺寸分布深度学习预测方法，其先基于脉冲回波法收集超声特征信号，以采集点为中心用椭圆分布收集空间分布信号作为单点晶粒表征特征集合，对采集信号预处理提取特征，再通过检测模型先利用压缩感知网络进行特征压缩提取，接着用全连接网络预测材料晶粒尺寸分布和检测点材料厚度，最后采用空间融合方法对椭圆区域内检测点预测结果综合计算得出晶粒尺寸分布的均值和方差，实现了对金属材料晶粒尺寸分布的高精度预测与高效率计算，且模型训练的中间网络有望用于其他材料表征任务的迁移学习，解决了传统方法和现有数据驱动方法在晶粒尺寸测量方面存在的诸多问题。