多缺陷特征提取方式的金属棒材分析系统

超声波法是无损检测领域常用方式之一,目前金属棒状材料的超声检测方法存在缺陷特征提取方式单一、质量检测精度受限的问题.为了增加缺陷特征提取方式的多样性,以提高金属棒材质量检测精度,设计了一种基于超声检测方式的金属棒状材料缺陷分析系统.首先搭建支持信号采集、波形存储、回波上传的硬件平台;然后,提出了一种基于神经网络的金属棒状材料缺陷分类方法和相应缺陷类型的特征提取方法;通过实验测试对试验模型和所提方法进行验证.结果表明:该系统对金属棒材缺陷特征的提取误差低于2%,具有较高的金属棒材缺陷分类准确度和金属棒材缺陷特征提取精度,提高了金属棒材质量检测的可靠性和准确性,可为金属棒材质量检测提供初步有用的参考信息.