本申請涉及機(jī)器學(xué)習(xí)，尤其涉及一種鋼坯內(nèi)部缺陷識別方法、系統(tǒng)、設(shè)備及介質(zhì)。

背景技術(shù)：

1、電渣重熔用特殊鋼是一種通過電渣重熔工藝生產(chǎn)的特殊鋼材，廣泛應(yīng)用于航空航天、核工業(yè)、大型鍛件制造、精密模具制造以及特殊合金制備等多個領(lǐng)域。而電渣重熔用特殊鋼坯作為其中間產(chǎn)品，內(nèi)部質(zhì)量的好壞直接影響其最終的服役性能，電渣重熔用特殊鋼坯內(nèi)部缺陷主要包括疏松、縮孔、夾雜物聚集和宏觀偏析等，缺陷遺傳性的規(guī)律主要體現(xiàn)在原材料缺陷的保留和缺陷的放大與擴(kuò)展兩方面：在原材料缺陷的保留方面，如果原材料中的缺陷較小且分布均勻，電渣重熔過程中可能由于渣料的渣洗作用而部分或全部消除這些缺陷。然而，對于較大的缺陷或分布不均勻的缺陷，電渣重熔可能無法完全消除它們，導(dǎo)致這些缺陷在鋼坯中得以保留；在缺陷的放大與擴(kuò)展方面，在某些情況下，原材料中的微小缺陷可能在電渣重熔過程中被放大或擴(kuò)展。這可能是由于電渣重熔過程中的高溫、高壓和復(fù)雜的物理化學(xué)作用導(dǎo)致的。例如，如果原材料中存在微小的裂紋，這些缺陷可能在電渣重熔過程中被擴(kuò)大或形成新的裂紋。

2、減少缺陷遺傳性的措施提高原材料質(zhì)量，選用高質(zhì)量的原材料是減少缺陷遺傳性的根本措施。因此，通過合理的探傷檢測方式，及時的發(fā)現(xiàn)鑄坯內(nèi)部的缺陷，對于確保成品的質(zhì)量，就顯得尤為重要。目前，對電渣坯進(jìn)行無損檢測的主要方式為傳統(tǒng)手持探傷設(shè)備、此方法對缺陷的判定主要依托于人工經(jīng)驗(yàn)，這種結(jié)果是高度主觀的，所以需要建立一種基于支持向量機(jī)分類器的電渣重熔用特殊鋼坯內(nèi)部缺陷識別方法。

技術(shù)實(shí)現(xiàn)思路

1、本申請?zhí)峁┝艘环N鋼坯內(nèi)部缺陷識別方法、系統(tǒng)、設(shè)備及介質(zhì)，用以解決上述問題。

2、一方面，本申請?zhí)峁┝艘环N鋼坯內(nèi)部缺陷識別方法，所述方法包括以下步驟：

3、步驟s1：通過探傷設(shè)備收集鋼坯內(nèi)部缺陷的檢測數(shù)據(jù)；

4、步驟s2：將數(shù)據(jù)輸入預(yù)先訓(xùn)練好的鋼坯內(nèi)部缺陷識別模型中進(jìn)行識別；其中，所述鋼坯內(nèi)部缺陷識別模型是基于雙向長短時記憶網(wǎng)絡(luò)以及支持向量機(jī)組成的聯(lián)合模型進(jìn)行構(gòu)建的；

5、步驟s3：輸出鋼坯內(nèi)部缺陷分類結(jié)果。

6、在本申請的一種實(shí)現(xiàn)方式中，所述步驟s1，還包括：對收集到的數(shù)據(jù)進(jìn)行預(yù)處理，以確保數(shù)據(jù)質(zhì)量并提高模型的泛化能力；其中，預(yù)處理包括：去噪、歸一化、數(shù)據(jù)增強(qiáng)。

7、在本申請的一種實(shí)現(xiàn)方式中，模型訓(xùn)練的過程，具體為：

8、使用雙向長短時記憶網(wǎng)絡(luò)處理檢測數(shù)據(jù)，得到特征數(shù)據(jù)；

9、將所述特征數(shù)據(jù)輸入至支持向量機(jī)分類器中，利用訓(xùn)練數(shù)據(jù)集對雙向長短時記憶網(wǎng)絡(luò)以及支持向量機(jī)組成的聯(lián)合模型進(jìn)行訓(xùn)練。

10、在本申請的一種實(shí)現(xiàn)方式中，所述方法還包括：進(jìn)行模型調(diào)參，以優(yōu)化模型的性能；其中，調(diào)參包括：學(xué)習(xí)率、隱藏層單元數(shù)、核函數(shù)。

11、在本申請的一種實(shí)現(xiàn)方式中，所述方法還包括：

12、使用驗(yàn)證數(shù)據(jù)集對訓(xùn)練好的模型進(jìn)行模型驗(yàn)證，評估模型的準(zhǔn)確率、誤報率；

13、根據(jù)模型優(yōu)化結(jié)果對模型進(jìn)行優(yōu)化。

14、本申請還提供了一種鋼坯內(nèi)部缺陷識別系統(tǒng)，所述系統(tǒng)包括：

15、數(shù)據(jù)采集模塊，用于通過探傷設(shè)備收集鋼坯內(nèi)部缺陷的檢測數(shù)據(jù)；

16、預(yù)測模塊，用于將數(shù)據(jù)輸入預(yù)先訓(xùn)練好的鋼坯內(nèi)部缺陷識別模型中進(jìn)行識別；其中，所述鋼坯內(nèi)部缺陷識別模型是基于雙向長短時記憶網(wǎng)絡(luò)以及支持向量機(jī)組成的聯(lián)合模型進(jìn)行構(gòu)建的；

17、結(jié)果輸出模塊，用于輸出鋼坯內(nèi)部缺陷分類結(jié)果。

18、本申請還提供了一種鋼坯內(nèi)部缺陷識別設(shè)備，所述設(shè)備包括：

19、至少一個處理器；以及，

20、與所述至少一個處理器通信連接的存儲器；其中，

21、所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠完成前述的一種鋼坯內(nèi)部缺陷識別方法。

22、本申請還提供了一種鋼坯內(nèi)部缺陷識別的非易失性計算機(jī)存儲介質(zhì)，存儲有計算機(jī)可執(zhí)行指令，所述計算機(jī)可執(zhí)行指令被處理器執(zhí)行以用于實(shí)現(xiàn)前述的一種鋼坯內(nèi)部缺陷識別方法。

23、本申請?zhí)峁┑囊环N鋼坯內(nèi)部缺陷識別方法、系統(tǒng)、設(shè)備及介質(zhì)，具有以下

24、有益效果：

25、(1)、提高檢測效率和準(zhǔn)確性。在提高檢測效率方面，雙向長短期記憶網(wǎng)絡(luò)在傳統(tǒng)的長短期記憶網(wǎng)絡(luò)的基礎(chǔ)上增加了雙向性，即同時考慮了輸入數(shù)據(jù)的前向和后向信息。這使得雙向長短期記憶網(wǎng)絡(luò)能夠更全面地捕捉到時序數(shù)據(jù)中的信息。在提高檢測準(zhǔn)確率方面，雙向長短期記憶網(wǎng)絡(luò)模型分為兩個獨(dú)立的長短期記憶網(wǎng)絡(luò)，輸入序列分別以正序和逆序輸入至這兩個長短期記憶網(wǎng)絡(luò)模型進(jìn)行特征提取。然后，將兩個輸出向量進(jìn)行拼接，形成的詞向量作為該詞的最終特征表達(dá)。因此，雙向長短期記憶網(wǎng)絡(luò)的底層維度是普通長短期記憶網(wǎng)絡(luò)隱藏層維度的兩倍；

26、(2)、降低人為因素干擾。人工經(jīng)驗(yàn)判定往往受到操作人員技能水平、經(jīng)驗(yàn)、疲勞程度等多種因素的影響，導(dǎo)致判定結(jié)果的不穩(wěn)定性和不確定性。而深度學(xué)習(xí)模型則不受這些人為因素的干擾，能夠保持一致的判定標(biāo)準(zhǔn)和結(jié)果。本方法選用的支持向量機(jī)分類器(svm)通過引入核函數(shù)，將數(shù)據(jù)映射到更高維的空間中，從而解決原始空間中線性不可分的問題。在金屬內(nèi)部缺陷超聲信號分類中，可以選擇合適的核函數(shù)，以適應(yīng)不同的信號特征和分類需求。這種核函數(shù)的多樣性為svm提供了更強(qiáng)大的分類能力和靈活性，這有助于降低人為錯誤對檢測結(jié)果的影響，提高檢測的可靠性和穩(wěn)定性。

27、(3)、實(shí)現(xiàn)自動化和智能化檢測。深度學(xué)習(xí)技術(shù)可以與無損檢測設(shè)備相結(jié)合，實(shí)現(xiàn)自動化和智能化的檢測。通過訓(xùn)練深度學(xué)習(xí)模型，使其能夠自動識別和處理不同類型的缺陷，從而減少對人工操作的依賴。這種自動化和智能化的檢測方式有助于提高生產(chǎn)效率，降低勞動力成本，并使得無損檢測更加適用于大規(guī)模生產(chǎn)和質(zhì)量控制。

28、(4)、適應(yīng)性強(qiáng)，可擴(kuò)展性好。深度學(xué)習(xí)模型具有強(qiáng)大的適應(yīng)性和可擴(kuò)展性。隨著新材料、新工藝的不斷涌現(xiàn)，無損檢測領(lǐng)域面臨著越來越多的挑戰(zhàn)。而深度學(xué)習(xí)模型可以通過不斷學(xué)習(xí)和優(yōu)化，適應(yīng)新的檢測需求和挑戰(zhàn)。此外，深度學(xué)習(xí)模型還可以與其他技術(shù)相結(jié)合，如傳感器技術(shù)、大數(shù)據(jù)分析等，進(jìn)一步提高無損檢測的精度和效率。

技術(shù)特征：

1.一種鋼坯內(nèi)部缺陷識別方法，其特征在于，所述方法包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種鋼坯內(nèi)部缺陷識別方法，其特征在于，所述步驟s1，還包括：對收集到的數(shù)據(jù)進(jìn)行預(yù)處理，以確保數(shù)據(jù)質(zhì)量并提高模型的泛化能力；其中，預(yù)處理包括：去噪、歸一化、數(shù)據(jù)增強(qiáng)。

3.根據(jù)權(quán)利要求1所述的一種鋼坯內(nèi)部缺陷識別方法，其特征在于，模型訓(xùn)練的過程，具體為：

4.根據(jù)權(quán)利要求3所述的一種鋼坯內(nèi)部缺陷識別方法，其特征在于，所述方法還包括：進(jìn)行模型調(diào)參，以優(yōu)化模型的性能；其中，調(diào)參包括：學(xué)習(xí)率、隱藏層單元數(shù)、核函數(shù)。

5.根據(jù)權(quán)利要求3所述的一種鋼坯內(nèi)部缺陷識別方法，其特征在于，所述方法還包括：

6.一種鋼坯內(nèi)部缺陷識別系統(tǒng)，其特征在于，所述系統(tǒng)包括：

7.一種鋼坯內(nèi)部缺陷識別設(shè)備，其特征在于，所述設(shè)備包括：

8.一種鋼坯內(nèi)部缺陷識別的非易失性計算機(jī)存儲介質(zhì)，存儲有計算機(jī)可執(zhí)行指令，其特征在于，所述計算機(jī)可執(zhí)行指令被處理器執(zhí)行以用于實(shí)現(xiàn)權(quán)利要求1-5任意一項(xiàng)所述的一種鋼坯內(nèi)部缺陷識別方法。

技術(shù)總結(jié)
本申請公開了一種鋼坯內(nèi)部缺陷識別方法、系統(tǒng)、設(shè)備及介質(zhì)，方法包括以下步驟：步驟S1：通過探傷設(shè)備收集鋼坯內(nèi)部缺陷的檢測數(shù)據(jù)；步驟S2：將數(shù)據(jù)輸入預(yù)先訓(xùn)練好的鋼坯內(nèi)部缺陷識別模型中進(jìn)行識別；其中，所述鋼坯內(nèi)部缺陷識別模型是基于雙向長短時記憶網(wǎng)絡(luò)以及支持向量機(jī)組成的聯(lián)合模型進(jìn)行構(gòu)建的；步驟S3：輸出鋼坯內(nèi)部缺陷分類結(jié)果。通過大數(shù)據(jù)的特征定義及提取分析，并結(jié)合深度學(xué)習(xí)的算法，最終實(shí)現(xiàn)對鋼坯內(nèi)部缺陷的分類識別，從而避免由于人工經(jīng)驗(yàn)造成的缺陷漏判誤判。

技術(shù)研發(fā)人員：史強(qiáng),李俊,劉成寶,許榮昌,韓杰,孫宗輝
受保護(hù)的技術(shù)使用者：山東鋼鐵股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15