CN117233257A - 检测方法、装置、设备及存储介质 - Google Patents
检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117233257A CN117233257A CN202311203129.8A CN202311203129A CN117233257A CN 117233257 A CN117233257 A CN 117233257A CN 202311203129 A CN202311203129 A CN 202311203129A CN 117233257 A CN117233257 A CN 117233257A
- Authority
- CN
- China
- Prior art keywords
- defect
- frame
- ultrasonic
- ultrasonic signals
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 117
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 230000007547 defect Effects 0.000 claims abstract description 219
- 238000005070 sampling Methods 0.000 claims abstract description 90
- 238000003384 imaging method Methods 0.000 claims abstract description 67
- 239000011159 matrix material Substances 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012549 training Methods 0.000 claims description 56
- 238000012360 testing method Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 22
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 abstract description 10
- 239000000523 sample Substances 0.000 description 51
- 238000004891 communication Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 14
- 238000002604 ultrasonography Methods 0.000 description 12
- 238000007689 inspection Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 230000035515 penetration Effects 0.000 description 5
- 230000006378 damage Effects 0.000 description 4
- 230000005291 magnetic effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000006247 magnetic powder Substances 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012432 intermediate storage Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 239000006249 magnetic particle Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本申请提供一种检测方法、装置、设备及存储介质，涉及无损检测技术领域，该方法包括：将待测区域量化为成像矩阵；获取N个收发通道对待测区域探测得到的N帧超声信号；根据预设的缺陷预测模型，确定每帧超声信号各自对应的目标采样时刻；根据N帧超声信号中第i帧超声信号对应的目标采样时刻，确定成像矩阵中第i帧超声信号对应的参考区域；从成像矩阵中第i‑1帧超声信号对应的候选缺陷区域内，确定与第i帧超声信号对应的参考区域之间的交集，作为成像矩阵中第i帧超声信号对应的候选缺陷区域；根据成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像。该方法适用于超声检测过程中，用于提高超声检测的通用性。
Description
技术领域
本申请涉及无损检测技术领域，尤其涉及一种检测方法、装置、设备及存储介质。
背景技术
无损检测主要包括超声检测、射线检测、磁粉检测、渗透检测、以及涡流检测等。其中，超声检测具有安全性好、穿透深度大、以及适用性强等特点、目前在管道检测、铁轨检测、飞机机翼检测、以及混凝土检测等工业检测领域得到了广泛的应用。
目前的超声检测可以对待检测区域进行直线B扫，获取B扫信号S，并将无缺陷参考信号SR和S进行归一化处理，得到缺陷回波信号，并根据该缺陷回波信号得到缺陷位置。
但是，无缺陷参考信号需要无缺陷的同种型号物体或者待检测物体中没有缺陷的某块区域来获取，实际使用中可能无法保证有这种条件，局限性较大。
发明内容
基于上述技术问题，本申请提供一种检测方法、装置、设备及存储介质，可以利用神经网络模型来确定缺陷的位置，通用性较强。
第一方面，本申请提供一种检测方法，该方法包括：按照预设分辨率将待测区域量化为成像矩阵；所述成像矩阵包括多个像素点的像素值；获取N个收发通道对所述待测区域探测得到的N帧超声信号；所述待测区域为待测物体中的区域；每个所述收发通道包括一个收发单元对；所述收发单元对包括一个发射单元和一个接收单元；所述N个收发通道与所述N帧超声信号一一对应；N为大于或等于2的正整数；根据所述N帧超声信号和预设的缺陷预测模型，确定每帧超声信号各自对应的目标采样时刻；所述目标采样时刻用于表示对应超声信号中缺陷回波的采样时刻；所述缺陷回波为所述待测区域内的缺陷所反射的超声波；根据所述N帧超声信号中第i帧超声信号对应的目标采样时刻，确定所述成像矩阵中所述第i帧超声信号对应的参考区域；从所述成像矩阵中第i-1帧超声信号对应的候选缺陷区域内，确定与所述第i帧超声信号对应的参考区域之间的交集，作为所述成像矩阵中所述第i帧超声信号对应的候选缺陷区域；根据所述成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像；所述缺陷检测图像用于指示所述缺陷的位置。
一种可能的实现方式中，根据成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像，包括：将成像矩阵中第N帧超声信号对应的候选缺陷区域的像素点的像素值置为第一值，将成像矩阵中其余区域的像素点的像素值置为第二值，得到二值图作为缺陷检测图像。可选地，根据N帧超声信号中第i帧超声信号对应的目标采样时刻，确定成像矩阵中第i帧超声信号对应的参考区域，包括：根据成像矩阵中每个像素点代表的待测区域的位置，确定每个像素点各自对应的目标传播声程；目标传播声程为对应像素点的第一距离和第二距离之和；第一距离为像素点代表的待测区域的位置与第一发送单元之间的距离；第二距离为像素点代表的待测区域的位置与第一接收单元之间的距离；第一发送单元为第i帧超声信号对应的收发通道中的发送单元；第一接收单元为第i帧超声信号对应的收发通道中的接收单元；根据每个像素点各自对应的目标传播声程、超声信号在待测物体中的传播速度、以及采样率，确定每个像素点代表的待测区域的位置的采样时刻；将采样时刻与目标采样时刻相同的像素点作为参考区域的像素点，得到第i帧超声信号对应的参考区域。
可选地，根据每个像素点各自对应的目标传播声程、超声信号在待测物体中的传播速度、以及采样率，确定每个像素点代表的待测区域的位置的采样时刻，包括：根据每个像素点各自对应的目标传播声程与第一值之商，作为每个像素点代表的待测区域的位置的采样时刻；第一值为超声信号在待测物体中的传播速度与采样率之积。
可选地，该方法还包括：获取训练样本集，训练样本集包括多个训练样本，每个训练样本包括一帧超声信号、以及该帧超声信号中缺陷回波对应的时刻；基于训练样本与预设的神经网络进行训练，得到缺陷预测模型。
一种可能的实现方式中，获取训练样本集，包括：获取从试块的采集区域采集到的超声信号；根据试块中缺陷的位置，确定缺陷信号传播声程；根据缺陷信号传播声程、超声波在试块中的传播速度、以及采样率，确定缺陷对应的缺陷回波所对应的时刻；根据超声信号、以及缺陷回波所对应的时刻，确定训练样本，得到训练样本集。
本申请提供的检测方法，可以获取超声信号，并利用神经网络模型来识别超声信号，得到待测区域内的缺陷所反射的缺陷回波的采样时刻，并根据该缺陷回波的采样时刻确定候选缺陷位置，并结合N帧超声信号的候选缺陷位置来最终得到用于指示缺陷位置的缺陷检测图像。与目前超声检测的方案相比，无需无缺陷的同种型号物体或者待检测物体中没有缺陷的某块区域来确定无缺陷参考信号，通用性较强。
并且，本申请提供的检测方法可以从成像矩阵中第i-1帧超声信号对应的候选缺陷区域内，确定与第i帧超声信号对应的参考区域之间的交集，作为成像矩阵中第i帧超声信号对应的候选缺陷区域，并根据成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像。也即，本申请提供的检测方法可以取两帧超声信号探测出来可能是缺陷区域的交集来作为两帧超声信号中后一帧超声信号对应的候选缺陷区域，逐步缩小N帧超声信号对应的候选缺陷区域，并将第N帧超声信号对应的候选缺陷区域作为最终的检测结果，得到缺陷检测图像，可以避免某一帧超声信号探测到前一帧超声信号对应候选缺陷区域之外的误判区域，从而提高缺陷检测的准确性。
最后，本申请提供的检测方法也无需移动探头来获取A扫信号和人工提取回波时刻，提高了准确率和效率，节约了人力。
第二方面，本申请提供一种检测装置，该装置包括用于之上第一方面所述方法的各个功能模块。
第三方面，本申请提供一种电子设备，该电子设备包括处理器和存储器；存储器存储有处理器可执行的指令；处理器被配置为执行指令时，使得电子设备实现上述第一方面所述的方法。
第四方面，本申请提供一种计算机程序产品，当该计算机程序产品在电子设备中运行时，使得电子设备执行上述第一方面所述相关方法的，以实现上述第一方面所述的方法。
第五方面，本申请提供一种可读存储介质，该可读存储介质包括：软件指令；当软件指令在电子设备中运行时，使得电子设备实现上述第一方面所述的方法。
上述第二方面至第五方面的有益效果可以参照第一方面所述，不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的检测系统的组成示意图；
图2为本申请实施例提供的电子设备的组成示意图；
图3为本申请实施例提供的检测方法的流程示意图；
图4为本申请实施例提供的缺陷位置确定示意图；
图5为本申请实施例提供的检测方法的另一种流程示意图；
图6为本申请实施例提供的缺陷信号在待测物体中的传播声程示意图；
图7为本申请实施例提供的检测方法的又一种流程示意图；
图8为本申请实施例提供的训练样本示意图；
图9为本申请实施例提供的训练流程示意图；
图10为本申请实施例提供的检测方法的又一种流程示意图；
图11为本申请实施例提供的检测装置的组成示意图。
具体实施方式
以下，术语“第一”、“第二”和“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”或“第三”等的特征可以明示或者隐含地包括一个或者更多个该特征。
随着我国工业化进程的快速推进，在以制造业和能源工业等为代表的高精尖领域，对这些领域中使用的材料、零部件、以及制造成品的质量和性能的要求更加严格，如果这些领域中的材料、零部件、以及制造成品中存在缺陷或损伤，可能会造成不可逆转的损害，甚至造成无法预估的灾难性后果。
因此，对材料、零部件、以及制造成品进行高精度的无损检测至关重要。
无损检测也叫无损探伤，是一门交叉性技术学科，是指在不损害或不影响被测物体使用性能，保障被测物体内部组织的结构完整性的条件下，通过测量被测物体内部引结构异常或存在缺陷损伤等导致某些物理特性的变化，通常以物理或化学方法为手段，借助现代化的技术和设备器材，对被测物体内部及表面的结构、状态及缺陷的类型、数量、形状、性质、位置、尺寸、分布、以及变化等进行检测，判断被测物体是否满足质量要求的方法。
无损检测主要包括超声检测、射线检测、磁粉检测、渗透检测、涡流检测等。
对于射线检测，因为其对人体的健康会产生一定的伤害，所以检测条件要求较高；对于渗透检测，其不适用于对被测物体的内部结构进行检测；对于磁粉检测和涡流检测，前者通常用于铁磁物体的缺陷检测，后者要求被测物体必须是良好的导体，因此这两种检测方法的应用具有一定的局限性。
超声检测具有安全性好、穿透深度大、以及适用性强等特点、目前在管道检测、铁轨检测、飞机机翼检测、以及混凝土检测等工业检测领域得到了广泛的应用。
目前的超声检测过程可以具体包括如下步骤：
1、在待测物体的待测区域进行直线B扫，获取包括n个A扫信号的B扫信号S。
2、将无缺陷参考信号SR和B扫信号S归一化处理，得到缺陷回波信号S’。
3、从缺陷回波信号S’中分别提取每个A扫信号中缺陷纵波的回波时刻t i，i表示扫查点的标号。
4、以第一个扫查点为原点，扫查方向为x正向，待测物体内部垂直于待测物体表面方向为y正向，建立坐标系，根据扫查点坐标、缺陷纵波的回波时刻、以及纵波波速，得到缺陷位置与尺寸。
该技术存在以下缺点：
1、需要频繁移动探头获取n个A扫信号，效率低，耗费大量人力。
2、提取回波时刻需要人工提取，准确率低，效率低，耗费大量人力。
3、上述第4步具体确定缺陷时将缺陷建模为圆形，计算过程复杂，不适用于其他形状的缺陷。
4、无缺陷参考信号需要无缺陷的同种型号物体或者待检测物体中没有缺陷的某块区域来获取，实际使用中可能无法保证有这种条件，局限性较大。
基于此，本申请实施例提供一种检测方法、装置、设备及存储介质，可以利用神经网络模型来确定缺陷的位置，通用性较强，且无需人工移动探头和提取回波时刻，准确率较高，效率较高，节约了人力。
以下结合附图进行介绍。
图1为本申请实施例提供的检测系统的组成示意图。如图1所示，该检测系统可以包括：待测物体100、超声探头200、以及检测装置300。
超声探头200可以置于待测物体100上。超声探头200和检测装置300之间可以通过有线网络或无线网络连接。
待测物体100是需要进行检测的物体。例如，待测物体100可以是复合材料构成的物体或者锂电池等。本申请对待测物体的具体种类不作限制。
超声探头200可以包括多个阵元(图1中以七个为例示出)，每两个阵元可以组成一个收发通道。例如，两个阵元中的一个阵元可以作为发射单元，另一个阵元可以作为接收单元。
超声探头200用于从待测物体的待测区域采集超声信号。例如，超声探头200可以通过一个收发通道中的发射单元向待测区域发射超声波，然后通过该收发通道中的接收单元接收回波信号作为超声信号。
在一些实施例中，超声探头200可以通过多个收发通道逐个采集超声信号，得到多帧超声信号，多个收发通道和多帧超声信号一一对应。
在一些实施例中，超声探头200还可以向检测装置300发送采集到的超声信号。
如上所述，超声探头200和检测装置300之间可以通过有线网络或无线网络连接。该有线网络或无线网络可以包括能够将超声信号从超声探头200传输到检测装置300的一个或多个媒体或设备。
在一些实施例中，有线网络或无线网络可以包括使得超声探头200能够将超声信号直接发送到检测装置300的一个或多个通信媒体。在此实施例中，超声探头200可以根据通信标准(例如无线通信协议)来调制超声信号，并将经调制的超声信号发送到检测装置300。该一个或多个通信媒体可以包括无线，和/或，有线通信媒体，例如射频(radiofrequency，RF)频谱或一个或多个物理传输线。
可选地，该一个或多个通信媒体可以形成基于分组的网络的一部分，基于分组的网络例如可以是局域网、广域网、或者全球网络(例如因特网)。
可选地，该一个或多个通信媒体还可以包括路由器、交换器、基站、或者促进超声探头200到检测装置300的通信的其他设备。
检测装置300可以是计算机或服务器等具有计算处理功能的电子设备。
其中，服务器可以是单独的一个服务器，或者，也可以是由多个服务器构成的服务器集群。部分实施方式中，服务器集群还可以是分布式集群。可选地，服务器还可以在云平台上实现，例如，云平台可以包括私有云、公有云、混合云、社区云(community cloud)、分布式云、跨云(inter-cloud)、以及多云(mult i-cloud)等，或者它们的任意组合。本申请实施例对此不作限制。
检测装置300可以用于根据超声探头200采集的超声信号确定待测物体待测区域中缺陷的位置。具体过程可以参照下述方法实施例中所述，此处不再赘述。
需要说明的是，图1中以超声探头200和检测装置300为各自独立的装置为例进行了介绍。可选地，超声探头200和检测装置300也可以合设为一体。也即，超声探头200或其对应的功能、以及检测装置300或其对应的功能可以集成在一个装置上。例如，具有检测缺陷位置功能的超声探头。本申请实施例对此不作限制。
本申请实施例提供的检测方法的执行主体为检测装置300。如上所述，检测装置300可以是计算机或服务器等具有计算处理功能的电子设备。可选地，该检测装置300也可以是前述电子设备中安装的具有检测功能的应用程序(application，APP)；或者，该检测装置300还可以是前述电子设备中的处理器(例如中央处理器(central processing unit，CPU))；再或者，该检测装置300还可以是前述电子设备中用于执行检测方法的功能模块；又或者，该检测装置300还可以是部署在前述电子设备中的软件系统或者平台等。本申请实施例对此不作限制。
为了描述简单，以下统一以检测装置300为电子设备为例对本申请实施例提供的检测方法进行介绍。
图2为本申请实施例提供的电子设备的组成示意图。如图2所示，该电子设备可以包括：
处理器10、存储器20、通信线路30、以及通信接口40、以及输入输出接口50。
其中，处理器10、存储器20、通信接口40以及输入输出接口50之间可以通过通信线路30连接。
处理器10，用于执行存储器20中存储的指令，以实现本申请下述实施例提供的检测方法。处理器10可以是CPU、通用处理器网络处理器(network processor，NP)、数字信号处理器(digital signal processing，DSP)、微处理器、微控制器(micro control unit，MCU)/单片机、可编程逻辑器件(programmable logic device，PLD)或它们的任意组合。处理器10还可以是其它任意具有处理功能的装置，例如电路、器件或软件模块，本申请实施例对此不作限制。在一种示例中，处理器10可以包括一个或多个CPU，例如图2中的CPU0和CPU1。作为一种可选的实现方式，电子设备可以包括多个处理器，例如，除处理器10之外，还可以包括处理器60(图2中以虚线为例示出)。
存储器20，用于存储处理器10可执行的指令。例如，指令可以是计算机程序。可选地，存储器20可以是只读存储器(read-only memory，ROM)或可存储静态信息和/或指令的其他类型的静态存储设备，也可以是存取存储器(random access memory，RAM)或者可存储信息和/或指令的其他类型的动态存储设备，还可以是电可擦可编程只读存储器(electrically erasable programmable read-only memory，EEPROM)、只读光盘(compactdisc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备等，本申请实施例对此不作限制。
需要说明的是，存储器20可以独立于处理器10存在，也可以和处理器10集成在一起。存储器20可以位于电子设备内，也可以位于电子设备外，本申请实施例对此不作限制。
通信线路30，用于在电子设备所包括的各部件之间传送信息。
通信接口40，用于与其他设备(例如上述超声探头200)或其它通信网络进行通信。该其它通信网络可以为以太网，无线接入网(radio access network，RAN)，无线局域网(wireless local area networks，WLAN)等。通信接口40可以是模块、电路、收发器或者任何能够实现通信的装置。
输入输出接口50，用于实现用户和电子设备之间的人机交互。例如实现用户和电子设备之间的动作交互或信息交互。
示例性地，输入输出接口50可以是鼠标、键盘、显示屏、或者触控显示屏等。通过鼠标、键盘、显示屏、或者触控显示屏等可以实现用户和电子设备之间的动作交互或信息交互。
需要说明的是，图2中示出的结构并不构成对电子设备的限定，除图2所示的部件之外，电子设备可以包括比图示更多或更少的部件(例如仅包括处理器10和存储器20)，或者某些部件的组合，或者不同的部件布置。
以下对本申请实施例提供的检测方法进行介绍。
图3为本申请实施例提供的检测方法的流程示意图。如图3所示，该方法包括S101至S106。
S101、电子设备按照预设分辨率将待测区域量化为成像矩阵。
其中，待测区域为待测物体中的区域。成像矩阵包括多个像素点的像素值。预设分辨率可以用于表示成像矩阵中每个像素点代表待测区域的面积。例如，以预设分辨率为0.1毫米(mm)×0.1mm为例，假设待测区域的尺寸为43mm×43mm，则电子设备获取的成像矩阵中就包括430个像素点×430个像素点。
可选地，如上所述，电子设备可以包括输入输出接口50，该输入输出接口50可以是鼠标、键盘、或者触控显示屏等。电子设备可以通过该鼠标、键盘、或者触控显示屏等接收管理人员输入的预设分辨率。
S102、电子设备获取N个收发通道对待测区域探测得到的N帧超声信号。
其中，如上所述，超声探头200可以包括多个阵元，每两个阵元可以组成一个收发通道，每个收发通道中的两个阵元可以看作一个收发单元对，该收发单元对可以包括一个发射单元和一个接收单元。N个收发通道与N帧超声信号一一对应，N为大于或等于2的正整数。例如，N可以取2、3、或者4等。本申请实施例对N的具体取值不作限制。
S103、电子设备根据N帧超声信号和预设的缺陷预测模型，确定每帧超声信号各自对应的目标采样时刻。
其中，目标采样时刻用于表示对应超声信号中缺陷回波的采样时刻。缺陷回波为待测区域内的缺陷所反射的超声波。缺陷预测模型可以是神经网络模型，缺陷预测模型的具体训练过程可以参照下述图7处的S201至S202所述，此处不再赘述。
S104、电子设备根据N帧超声信号中第i帧超声信号对应的目标采样时刻，确定成像矩阵中第i帧超声信号对应的参考区域。
其中，i为从2开始取遍N的正整数，例如，以N取7为例，则i可以依次取2、3、4、5、6、以及7。
S104的具体过程可以参照下述图5处的S1041至S1043所述，此处不再赘述。
S105、电子设备从成像矩阵中第i-1帧超声信号对应的候选缺陷区域内，确定与第i帧超声信号对应的参考区域之间的交集，作为成像矩阵中第i帧超声信号对应的候选缺陷区域。
例如，电子设备可以首先根据第1帧超声信号对应的目标采样时刻，确定成像矩阵中第1帧超声信号对应的参考区域1作为第1帧超声信号对应的候选缺陷区域1(也可以理解为初始的候选缺陷区域)。然后电子设备可以根据第2帧超声信号对应的目标采样时刻，确定成像矩阵中第2帧超声信号对应的参考区域2，并从候选缺陷区域1中确定与参考区域2的交集作为第2帧超声信号对应的候选缺陷区域2，…，以此类推，逐步缩小参考候选区域的范围，并将最后一帧(第N帧)超声信号对应的候选缺陷区域N作为最终的候选缺陷区域。
示例性地，图4为本申请实施例提供的缺陷位置确定示意图。如图4中的(a)所示，电子设备根据第一个收发通道采集的第一帧超声信号(第一超声信号)确定的候选缺陷区域可以包括多个圆环区域，范围较大。如图4中的(b)所示，电子设备继续根据下一个接收单元和发射单元不同(或者说收发方向不同)的收发通道采集的第二帧超声信号，然后根据第二帧超声信号确定出一个参考区域，并根据参考区域从图4中的(a)所示的圆环区域中选取出来较小的交集作为第二帧超声信号对应的候选缺陷区域。如图4中的(c)所示，电子设备可以逐步缩小候选位置区域的范围，直至缩小至第N帧超声信号对应的候选缺陷区域来作为缺陷的位置。
S106、电子设备根据成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像。
其中，缺陷检测图像用于指示缺陷的位置。
一种可能的实现方式中，电子设备可以将成像矩阵中第N帧超声信号对应的候选缺陷区域的像素点的像素值置为第一值，将成像矩阵中其余区域的像素点的像素值置为第二值，得到二值图作为缺陷检测图像。
应理解，目前超声检测的方案，通常利用待测区域中每个采样点处的信号值来得到像素值，并进一步成像得到缺陷检测图像。由于需要对多个收发通道的信号进行叠加，可能会产生交叉伪影或者底噪，影响检测结果。本申请实施例提供的检测方法中，电子设备可以将成像矩阵中第N帧超声信号对应的候选缺陷区域的像素点的像素值置为第一值，将成像矩阵中其余区域的像素点的像素值置为第二值，得到二值图作为缺陷检测图像。也即缺陷检测图像中仅存在表示缺陷的第一值和表示背景的第二值，不存在其他数值的像素值，因此可以避免交叉伪影和底噪的干扰。
本申请提供的检测方法中，电子设备可以获取超声信号，并利用神经网络模型来识别超声信号，得到待测区域内的缺陷所反射的缺陷回波的采样时刻，并根据该缺陷回波的采样时刻确定候选缺陷位置，并结合N帧超声信号的候选缺陷位置来最终得到用于指示缺陷位置的缺陷检测图像。与目前超声检测的方案相比，无需无缺陷的同种型号物体或者待检测物体中没有缺陷的某块区域来确定无缺陷参考信号，通用性较强。
并且，本申请提供的检测方法可以从成像矩阵中第i-1帧超声信号对应的候选缺陷区域内，确定与第i帧超声信号对应的参考区域之间的交集，作为成像矩阵中第i帧超声信号对应的候选缺陷区域，并根据成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像。也即，本申请提供的检测方法可以取两帧超声信号探测出来可能是缺陷区域的交集来作为两帧超声信号中后一帧超声信号对应的候选缺陷区域，逐步缩小N帧超声信号对应的候选缺陷区域，并将第N帧超声信号对应的候选缺陷区域作为最终的检测结果，得到缺陷检测图像，可以避免某一帧超声信号探测到前一帧超声信号对应候选缺陷区域之外的误判区域，从而提高缺陷检测的准确性。
最后，本申请提供的检测方法也无需移动探头来获取A扫信号和人工提取回波时刻，提高了准确率和效率，节约了人力。
以下对上述S104进行介绍。
一些可能的实施例中，电子设备可以将不同声程的位置的采样时刻与目标采样时刻进行对比，得到可能存在缺陷的参考区域。在这种情况下，图5为本申请实施例提供的检测方法的另一种流程示意图。如图5所示，上述S104可以具体包括S1041至S1043。
S1041、电子设备根据成像矩阵中每个像素点代表的待测区域的位置，确定每个像素点各自对应的目标传播声程。
其中，目标传播声程为对应像素点的第一距离和第二距离之和，第一距离为像素点代表的待测区域的位置与第一发送单元之间的距离，第二距离为像素点代表的待测区域的位置与第一接收单元之间的距离，第一发送单元为第i帧超声信号对应的收发通道中的发送单元；第一接收单元为第i帧超声信号对应的收发通道中的接收单元。
示例性地，图6为本申请实施例提供的缺陷信号在待测物体中的传播声程示意图。如图6所示，以图6中虚线框定的待测区域为例，假设该待测区域内存在一个缺陷，则收发通道(图6中以第一个阵元作为收发通道的发射单元，第七个阵元作为收发通道的接收单元为例示出)可以通过发射单元向该缺陷发射超声信号(发射单元到该缺陷的距离，或者说超声信号走到该缺陷的路程作为第一距离，记为x1)，并通过接收单元接收该缺陷反射的缺陷回波(该缺陷到接收单元的距离，或者说回波信号走到接收单元的路程作为第二距离，记为x2)。此时整个缺陷信号的传播声程也即x1+x2。
S1042、电子设备根据每个像素点各自对应的目标传播声程、超声信号在待测物体中的传播速度、以及采样率，确定每个像素点代表的待测区域的位置的采样时刻。
可选地，超声信号的采样率可以预设在电子设备中。
可选地，电子设备中可以预设有超声波在不同物体中的传播速度。在这种情况下，电子设备可以利用待测物体作为索引，遍历超声波在不同物体中的传播速度，得到超声波在待测物体中的传播速度。
可选地，电子设备可以根据每个像素点各自对应的目标传播声程与第一值之商，作为每个像素点代表的待测区域的位置的采样时刻，第一值为超声信号在待测物体中的传播速度与采样率之积。
可选地，电子设备可以具体按照下述公式(1)来计算采样时刻：
公式(1)中，t表示像素点代表的待测区域的位置的采样时刻。v*f表示第一值。v表示超声波在待测物体中的传播速度。f表示采样率。x1表示发射单元到该像素点代表的位置之间的距离。x2表示该像素点代表的位置到接收单元之间的距离。x1+x2表示目标传播声程。
S1043、电子设备将采样时刻与目标采样时刻相同的像素点作为参考区域的像素点，得到第i帧超声信号对应的参考区域。
一些实施例中，在S101之前，电子设备还可以获取缺陷检测模型。
一种可能的实现方式中，电子设备可以直接从其他设备中获取训练完成的缺陷检测模型。
例如，电子设备可以从其他设备中下载或者通过中间存储介质转存来获取缺陷检测模型。
另一种可能的实现方式中，电子设备也可以通过训练得到缺陷检测模型。图7为本申请实施例提供的检测方法的又一种流程示意图。如图7所示，在上述S101之前，该方法还可以包括S201至S202。
S201、电子设备获取训练样本集。
其中，训练样本集包括多个训练样本，每个训练样本包括一帧超声信号、以及该帧超声信号中缺陷回波对应的采样时刻。
示例性地，图8为本申请实施例提供的训练样本示意图。如图8所示，每个训练样本可以包括一帧超声信号(图8中以实线为例示出了该帧超声信号)、以及该帧超声信号中缺陷回波对应的时刻(图8中以虚线为例框出了超声信号较强的采样点，每个采样点可以对应一个采样时刻)。
可选地，电子设备可以探测已知缺陷的位置、形状、以及大小的试块来获取训练样本。
在这种情况下，上述S201可以具体包括以下几个步骤：
步骤1、电子设备获取(超声探头200)从试块的采集区域采集到的超声信号。
步骤2、电子设备根据试块中缺陷的位置，确定缺陷信号传播声程。
步骤3、电子设备根据缺陷信号传播声程、超声波在试块中的传播速度、以及采样率，确定缺陷对应的缺陷回波所对应的时刻。
可选地，电子设备可以具体按照上述公式(1)计算缺陷回波所对应的采样时刻。
步骤4、电子设备根据超声信号、以及缺陷回波所对应的时刻，确定训练样本，得到训练样本集。
S202、电子设备基于训练样本与预设的神经网络进行训练，得到缺陷预测模型。
可选地，预设的神经网络可以是任意一个编码器-解码器结构的神经网络。本申请实施例对预设的神经网络的具体种类不作限制。
可选地，电子设备可以首选初始化预设的神经网络的参数。然后如上所述，训练样本集可以包括多个训练样本。电子设备可以每次将一个或多个训练样本输入预设的神经网络，得到该神经网络输出的预测值(神经网络预测的缺陷回波所对应的时刻)，并根据训练样本的标签值(一帧超声信号中缺陷回波对应的时刻)和预测值计算损失函数(loss)，并通过优化算法根据损失函数反向传播更新神经网络的参数，直至神经网络收敛，得到缺陷预测模型。
可选地，神经网络收敛(或者说结束训练)的条件包括：将训练样本输入神经网络的次数达到预设的次数阈值，或者，神经网络的预测值与标签值之间的误差小于误差阈值。
其中，次数阈值可以由管理人员预设在电子设备中，例如，该次数阈值可以是10000次、20000次、或者30000次等。本申请实施例对次数阈值的具体数值不作限制。误差阈值也可以由管理人员预设在电子设备中，例如，误差阈值可以是80％、85％、或者90％等。本申请实施例对此误差阈值的具体数值也不作限制。
示例性地，图9为本申请实施例提供的训练流程示意图。如图9所示，以预设的神经网络为编码器-解码器结构的神经网络为例，则编码器可以首先对带有标签(缺陷回波所对应的时刻)的一帧超声信号进行编码，得到中间向量，然后对中间向量进行解码，得到神经网络预测的缺陷回波所对应的时刻。具体编码解码过程可以参照相关技术中所述，此处不再赘述。
基于上述实施例的理解，图10为本申请实施例提供的检测方法的又一种流程示意图。如图10所示，该方法可以包括S301至S308。
S301、获取超声信号。
S302、获取缺陷回波所对应的采样时刻作为标签。
S303、训练得到缺陷检测模型。
S301至S303可以参照上述S201至S202所述，此处不再赘述。
S304、获取第i个收发通道的超声信号。
S305、利用缺陷检测模型检测超声信号，得到缺陷回波对应的采样时刻。
S306、确定参考区域。
S307、将i+1并返回S304。
S308、得到缺陷位置的成像结果。
S304至S308可以参照上述S101至S106所述，此处不再赘述。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术目标应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术目标可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在示例性的实施例中，本申请实施例还提供一种检测装置。图11为本申请实施例提供的检测装置的组成示意图。如图11所示，该装置包括：获取模块1101和处理模块1102。
处理模块1102，用于按照预设分辨率将待测区域量化为成像矩阵；成像矩阵包括多个像素点的像素值。
获取模块1101，用于获取N个收发通道对待测区域探测得到的N帧超声信号；待测区域为待测物体中的区域；每个收发通道包括一个收发单元对；收发单元对包括一个发射单元和一个接收单元；N个收发通道与N帧超声信号一一对应；N为大于或等于2的正整数。
处理模块1102，还用于根据N帧超声信号和预设的缺陷预测模型，确定每帧超声信号各自对应的目标采样时刻；目标采样时刻用于表示对应超声信号中缺陷回波的采样时刻；缺陷回波为待测区域内的缺陷所反射的超声波；根据N帧超声信号中第i帧超声信号对应的目标采样时刻，确定成像矩阵中第i帧超声信号对应的参考区域；从成像矩阵中第i-1帧超声信号对应的候选缺陷区域内，确定与第i帧超声信号对应的参考区域之间的交集，作为成像矩阵中第i帧超声信号对应的候选缺陷区域；根据成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像；缺陷检测图像用于指示缺陷的位置。
一些可能的实施例中，处理模块1102，具体用于将成像矩阵中第N帧超声信号对应的候选缺陷区域的像素点的像素值置为第一值，将成像矩阵中其余区域的像素点的像素值置为第二值，得到二值图作为缺陷检测图像。
另一些可能的实施例中，处理模块1102，具体用于根据成像矩阵中每个像素点代表的待测区域的位置，确定每个像素点各自对应的目标传播声程；目标传播声程为对应像素点的第一距离和第二距离之和；第一距离为像素点代表的待测区域的位置与第一发送单元之间的距离；第二距离为像素点代表的待测区域的位置与第一接收单元之间的距离；第一发送单元为第i帧超声信号对应的收发通道中的发送单元；第一接收单元为第i帧超声信号对应的收发通道中的接收单元；根据每个像素点各自对应的目标传播声程、超声信号在待测物体中的传播速度、以及采样率，确定每个像素点代表的待测区域的位置的采样时刻；将采样时刻与目标采样时刻相同的像素点作为参考区域的像素点，得到第i帧超声信号对应的参考区域。
又一些可能的实施例中，处理模块1102，具体用于根据每个像素点各自对应的目标传播声程与第一值之商，作为每个像素点代表的待测区域的位置的采样时刻；第一值为超声信号在待测物体中的传播速度与采样率之积。
又一些可能的实施例中，获取模块1101，还用于获取训练样本集，训练样本集包括多个训练样本，每个训练样本包括一帧超声信号、以及该帧超声信号中缺陷回波对应的时刻；处理模块1102，还用于基于训练样本与预设的神经网络进行训练，得到缺陷预测模型。
又一些可能的实施例中，获取模块1101，具体用于获取从试块的采集区域采集到的超声信号；根据试块中缺陷的位置，确定缺陷信号传播声程；根据缺陷信号传播声程、超声波在试块中的传播速度、以及采样率，确定缺陷对应的缺陷回波所对应的采样时刻；根据超声信号、以及缺陷回波所对应的采样时刻，确定训练样本，得到训练样本集。
需要说明的是，图11中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如，还可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
在示例性的实施例中，本申请实施例还提供了一种可读存储介质，包括软件指令，当其在电子设备上运行时，使得电子设备执行上述实施例提供的任意一种方法。
在示例性的实施例中，本申请实施例还提供了一种包含计算机执行指令的计算机程序产品，当其在电子设备上运行时，使得电子设备执行上述实施例提供的任意一种方法。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机执行指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机执行指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机执行指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)等。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(Comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种检测方法，其特征在于，所述方法包括：
按照预设分辨率将待测区域量化为成像矩阵；所述成像矩阵包括多个像素点的像素值；所述待测区域为待测物体中的区域；
获取N个收发通道对所述待测区域探测得到的N帧超声信号；每个所述收发通道包括一个收发单元对；所述收发单元对包括一个发射单元和一个接收单元；所述N个收发通道与所述N帧超声信号一一对应；N为大于或等于2的正整数；
根据所述N帧超声信号和预设的缺陷预测模型，确定每帧超声信号各自对应的目标采样时刻；所述目标采样时刻用于表示对应超声信号中缺陷回波的采样时刻；所述缺陷回波为所述待测区域内的缺陷所反射的超声波；
根据所述N帧超声信号中第i帧超声信号对应的目标采样时刻，确定所述成像矩阵中所述第i帧超声信号对应的参考区域；
从所述成像矩阵中第i-1帧超声信号对应的候选缺陷区域内，确定与所述第i帧超声信号对应的参考区域之间的交集，作为所述成像矩阵中所述第i帧超声信号对应的候选缺陷区域；
根据所述成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像；所述缺陷检测图像用于指示所述缺陷的位置。
2.根据权利要求1所述的方法，其特征在于，所述根据所述成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像，包括：
将所述成像矩阵中第N帧超声信号对应的候选缺陷区域的像素点的像素值置为第一值，将所述成像矩阵中其余区域的像素点的像素值置为第二值，得到二值图作为所述缺陷检测图像。
3.根据权利要求1所述的方法，其特征在于，所述根据所述N帧超声信号中第i帧超声信号对应的目标采样时刻，确定所述成像矩阵中所述第i帧超声信号对应的参考区域，包括：
根据所述成像矩阵中每个像素点代表的所述待测区域的位置，确定所述每个像素点各自对应的目标传播声程；所述目标传播声程为对应像素点的第一距离和第二距离之和；所述第一距离为像素点代表的所述待测区域的位置与第一发送单元之间的距离；所述第二距离为像素点代表的所述待测区域的位置与第一接收单元之间的距离；所述第一发送单元为所述第i帧超声信号对应的收发通道中的发送单元；所述第一接收单元为所述第i帧超声信号对应的收发通道中的接收单元；
根据所述每个像素点各自对应的目标传播声程、超声信号在所述待测物体中的传播速度、以及采样率，确定所述每个像素点代表的所述待测区域的位置的采样时刻；
将所述采样时刻与所述目标采样时刻相同的像素点作为所述参考区域的像素点，得到所述第i帧超声信号对应的参考区域。
4.根据权利要求3所述的方法，其特征在于，所述根据所述每个像素点各自对应的目标传播声程、超声信号在所述待测物体中的传播速度、以及采样率，确定所述每个像素点代表的所述待测区域的位置的采样时刻，包括：
根据所述每个像素点各自对应的目标传播声程与第一值之商，作为所述每个像素点代表的所述待测区域的位置的采样时刻；所述第一值为所述超声信号在所述待测物体中的传播速度与所述采样率之积。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：
获取训练样本集，所述训练样本集包括多个训练样本，每个训练样本包括一帧超声信号、以及该帧超声信号中缺陷回波对应的采样时刻；
基于所述训练样本与预设的神经网络进行训练，得到所述缺陷预测模型。
6.根据权利要求5所述的方法，其特征在于，所述获取训练样本集，包括：
获取从试块的采集区域采集到的超声信号；
根据所述试块中缺陷的位置，确定缺陷信号传播声程；
根据所述缺陷信号传播声程、超声波在所述试块中的传播速度、以及所述采样率，确定所述缺陷对应的缺陷回波所对应的采样时刻；
根据所述超声信号、以及所述缺陷回波所对应的采样时刻，确定训练样本，得到所述训练样本集。
7.一种检测装置，其特征在于，所述装置包括：获取模块和处理模块；
所述处理模块，用于按照预设分辨率将待测区域量化为成像矩阵；所述成像矩阵包括多个像素点的像素值；
所述获取模块，用于获取N个收发通道对所述待测区域探测得到的N帧超声信号；所述待测区域为待测物体中的区域；每个所述收发通道包括一个收发单元对；所述收发单元对包括一个发射单元和一个接收单元；所述N个收发通道与所述N帧超声信号一一对应；N为大于或等于2的正整数；
所述处理模块，还用于根据所述N帧超声信号和预设的缺陷预测模型，确定每帧超声信号各自对应的目标采样时刻；所述目标采样时刻用于表示对应超声信号中缺陷回波的采样时刻；所述缺陷回波为所述待测区域内的缺陷所反射的超声波；根据所述N帧超声信号中第i帧超声信号对应的目标采样时刻，确定所述成像矩阵中所述第i帧超声信号对应的参考区域；从所述成像矩阵中第i-1帧超声信号对应的候选缺陷区域内，确定与所述第i帧超声信号对应的参考区域之间的交集，作为所述成像矩阵中所述第i帧超声信号对应的候选缺陷区域；根据所述成像矩阵中第N帧超声信号对应的候选缺陷区域的位置，得到缺陷检测图像；所述缺陷检测图像用于指示所述缺陷的位置。
8.根据权利要求7所述的装置，其特征在于，
所述处理模块，具体用于将所述成像矩阵中第N帧超声信号对应的候选缺陷区域的像素点的像素值置为第一值，将所述成像矩阵中其余区域的像素点的像素值置为第二值，得到二值图作为所述缺陷检测图像；
和/或，
所述处理模块，具体用于根据所述成像矩阵中每个像素点代表的所述待测区域的位置，确定所述每个像素点各自对应的目标传播声程；所述目标传播声程为对应像素点的第一距离和第二距离之和；所述第一距离为像素点代表的所述待测区域的位置与第一发送单元之间的距离；所述第二距离为像素点代表的所述待测区域的位置与第一接收单元之间的距离；所述第一发送单元为所述第i帧超声信号对应的收发通道中的发送单元；所述第一接收单元为所述第i帧超声信号对应的收发通道中的接收单元；根据所述每个像素点各自对应的目标传播声程、超声信号在所述待测物体中的传播速度、以及采样率，确定所述每个像素点代表的所述待测区域的位置的采样时刻；将所述采样时刻与所述目标采样时刻相同的像素点作为所述参考区域的像素点，得到所述第i帧超声信号对应的参考区域；
和/或，
所述处理模块，具体用于根据所述每个像素点各自对应的目标传播声程与第一值之商，作为所述每个像素点代表的所述待测区域的位置的采样时刻；所述第一值为所述超声信号在所述待测物体中的传播速度与所述采样率之积；
和/或，
所述获取模块，还用于获取训练样本集，所述训练样本集包括多个训练样本，每个训练样本包括一帧超声信号、以及该帧超声信号中缺陷回波对应的时刻；所述处理模块，还用于基于所述训练样本与预设的神经网络进行训练，得到所述缺陷预测模型；
和/或，
所述获取模块，具体用于获取从试块的采集区域采集到的超声信号；根据所述试块中缺陷的位置，确定缺陷信号传播声程；根据所述缺陷信号传播声程、超声波在所述试块中的传播速度、以及所述采样率，确定所述缺陷对应的缺陷回波所对应的采样时刻；根据所述超声信号、以及所述缺陷回波所对应的采样时刻，确定训练样本，得到所述训练样本集。
9.一种电子设备，其特征在于，所述电子设备包括：处理器和存储器；
所述存储器存储有所述处理器可执行的指令；
所述处理器被配置为执行所述指令时，使得所述电子设备实现如权利要求1-6任一项所述的方法。
10.一种可读存储介质，其特征在于，所述可读存储介质包括：软件指令；
当所述软件指令在电子设备中运行时，使得所述电子设备实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311203129.8A CN117233257A (zh) | 2023-09-14 | 2023-09-14 | 检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311203129.8A CN117233257A (zh) | 2023-09-14 | 2023-09-14 | 检测方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117233257A true CN117233257A (zh) | 2023-12-15 |
Family
ID=89098001
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311203129.8A Pending CN117233257A (zh) | 2023-09-14 | 2023-09-14 | 检测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117233257A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117470976A (zh) * | 2023-12-28 | 2024-01-30 | 烟台宇控软件有限公司 | 一种基于声纹特征的输电线路缺陷检测方法及系统 |
-
2023
- 2023-09-14 CN CN202311203129.8A patent/CN117233257A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117470976A (zh) * | 2023-12-28 | 2024-01-30 | 烟台宇控软件有限公司 | 一种基于声纹特征的输电线路缺陷检测方法及系统 |
| CN117470976B (zh) * | 2023-12-28 | 2024-03-26 | 烟台宇控软件有限公司 | 一种基于声纹特征的输电线路缺陷检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3382386B1 (en) | Defect detection using ultrasound scan data | |
| JP6441321B2 (ja) | 超音波伝送による改良型検査方法 | |
| CN1666109A (zh) | 时－频域反射仪的装置及方法 | |
| CN106291542B (zh) | 一种隧道三维成像方法 | |
| CN117233257A (zh) | 检测方法、装置、设备及存储介质 | |
| CN112816556A (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
| CN112816557B (zh) | 一种缺陷检测方法、装置、设备和存储介质 | |
| US10775349B2 (en) | Defect detection using ultrasound scan data | |
| US20230066782A1 (en) | Computer-implemented processing of sound wave signals for non-destructive evaluation of wooden specimen | |
| CN115540790A (zh) | 一种高精度超声厚度测量方法和装置 | |
| Ren et al. | Shaking noise elimination for detecting local flaw in steel wire ropes based on magnetic flux leakage detection | |
| JP2019070627A (ja) | 非破壊検査システム | |
| CN103097884A (zh) | 用于测定机械部件中存在的缺陷的方位的方法和装置 | |
| US10261054B2 (en) | Method for the non-destructive ultrasonic testing of a part by echo analysis | |
| US20220268737A1 (en) | Method, Equipment and Readable Medium for Evaluating Structural Strength of Fiber and Nanosized Materials Reinforced Concrete | |
| CN107907591B (zh) | 多组分固液两相混合物组分浓度的超声检测系统和方法 | |
| WO2023065023A1 (en) | Estimation of acoustic inspection measurement accuracy | |
| CN202304777U (zh) | 一种工件厚度测量装置 | |
| US20240329000A1 (en) | Flaw classification during non-destructive testing | |
| JP2003149214A (ja) | 超音波センサを用いた非破壊検査法及びその装置 | |
| JP2009198249A (ja) | 超音波検査データ評価装置及び超音波検査データ評価方法 | |
| US20240118245A1 (en) | Ultrasonic measurement representation | |
| CN114441075B (zh) | 一种配电电缆接头机械应力超声评估方法及系统 | |
| CN218937340U (zh) | 一种高精度超声厚度测量装置 | |
| US20240319140A1 (en) | Transmission angle calibration |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |