基于深度学习的激光超声电气套管微小缺陷成像方法

本发明涉及一种基于深度学习的激光超声电气套管微小缺陷成像方法，包括：对电气套管施加激光超声体波，并进行信号采集；对采集的信号进行时域和频域分析，提取损伤散射信号的特征参数，构建融合多维特征参数的微损伤表征向量；采用稀疏表示算法通过直通波字典、基频散射波字典和二次谐波字典实现对微损伤表征向量进行谐波信号重构及特征提取，得到重构的微损伤散射信号，并转化到二维空间域中，将重构的微损伤散射信号和转化得到的二维空间域信号输入到多特征融合神经网络模型中，分别进行特征提取，并将两部分得到的特征整合，得到缺陷分类和成像结果。与现有技术相比，本发明可实现电气套管设备中的微小缺陷快速准确的成像。