一种基于深度学习的超声导波信号与关键特征提取方法、系统、设备及介质

本发明公开了一种基于深度学习的超声导波信号与关键特征提取方法、系统、设备及介质，属于超声导波信号与关键特征提取技术领域，包括采集钢绞线的导波信号，对所述导波信号进行预处理；将预处理后的导波信号转换为时频谱，提取频率峰值、包络能量、群速度特征，并对特征集进行降维处理，生成特征向量；输入特征向量至深度学习网络模型中，提取信号的卷积特征与时序特征，并基于训练样本完成模型参数更新；利用训练后的深度学习网络模型对钢绞线导波信号进行推理，输出腐蚀类型的分类标签与腐蚀深度的回归预测值，判断缺陷的具体位置与腐蚀程度。本发明显著提升了超声导波在复杂工况下对钢绞线腐蚀缺陷的定位精度、识别准确率与跨场景鲁棒性。