一种基于脉冲红外热像序列的缺陷深度预测方法

一种基于脉冲红外热像序列的缺陷深度预测方法涉及非接触式无损检测技术领域，解决现有主动红外热成像检测中缺陷深度定量评估精度不足、依赖经验模型且难以适应不同材料等问题，充分利用热像序列的时间信息，通过深度学习模型自动提取特征，实现对材料内部缺陷埋藏深度的精确预测，提升不同材料条件下检测结果的可靠性和泛化能力。本发明利用脉冲热激励结合红外热成像获取材料表面温度响应，通过对缺陷区域与无缺陷区域温度信号的对比分析，并引入长短期记忆神经网络(LSTM)对时间序列特征进行建模，实现对隐藏缺陷深度的精准预测。