[发明专利]不完整信号下的漏磁检测缺陷量化与显示方法

权利要求书

1.一种不完整信号下的漏磁检测缺陷量化与显示方法，其特征在于，包括以下步骤：

S1：从待检测缺陷中提取检测信号，其中，所述检测信号包括不完整缺陷信息；

S2：根据基于索贝尔离散型差分算子的方法对所述检测信号进行识别，以得到缺陷边缘；

S3：比较所述检测信号与完整缺陷信号，并在所述检测信号少于完整缺陷信号的一半时，对所述检测信号进行对称处理，或者在所述检测信号多于所述完整缺陷信号的一半时，对所述检测信号的一半进行对称处理；

S4：提取所述待检测缺陷的关键特征量值作为深度量化神经网络的输入信号，以对缺陷深度进行快速估计；

S5：根据所述缺陷边缘和缺陷深度确定缺陷类型，并按照检测进度更新所述缺陷类型；

S6：根据所述缺陷边缘、缺陷深度以及缺陷类型得到缺陷轮廓；以及

S7：根据所述缺陷深度和所述缺陷轮廓对缺陷进行实时三维显示，并按照检测进度更新显示结果。

2.根据权利要求1所述的不完整信号下的漏磁检测缺陷量化与显示方法，其特征在于，所述待检测缺陷包括凹坑缺陷、水平沟槽缺陷和切向沟槽缺陷，其中，

所述凹坑缺陷的尺寸为长度和宽度都小于或等于一倍被测件厚度，水平沟槽缺陷的尺寸为长度大于或等于两倍被测件厚度、宽度小于或等于一倍被测件厚度，切向沟槽缺陷的尺寸为宽度大于或等于两倍被测件厚度、长度小于或等于一倍被测件厚度。

3.根据权利要求1所述的不完整信号下的漏磁检测缺陷量化与显示方法，其特征在于，在所述步骤S2中，根据索贝尔离散型差分算子的方法计算得到的梯度截取阈值在水平、切向和法向在60％～80％之间分别设置。

4.根据权利要求2所述的不完整信号下的漏磁检测缺陷量化与显示方法，其特征在于，所述凹坑缺陷、水平沟槽缺陷和切向沟槽缺陷的关键特征量值包括：

凹坑缺陷的水平分量的信号峰值P_h1、信号谷值P_h3、切向分量的信号强度积分P_t8和法向分量的信号强度积分P_v5，水平沟槽缺陷的水平分量的信号峰值H_h1、信号强度积分H_h9、切向分量的信号极大值H_t4、法向分量的信号强度积分H_v4和水平轴线一阶微分信号峰值H_v6，切向沟槽缺陷的水平分量的信号峰谷值T_h5、信号强度积分T_h10、切向分量的信号峰值T_t1、法向分量的信号强度积分T_v5和水平轴线号峰值T_v7。

5.根据权利要求1所述的不完整信号下的漏磁检测缺陷量化与显示方法，其特征在于，在所述步骤S4中，所述深度量化神经网络为基于Bayesian算法的BP神经网络，其训练过程包括以下步骤：

a.将训练样本输入到所述BP神经网络中；

b.设定初始BP神经网络结构，初始化BP神经网络的超参数，初始化BP神经网络的权值；

c.以误差最小为原则，最小化BP神经网络目标函数，计算得到最优的BP神经网络权值；

d.根据所述最优的BP神经网络权值计算最优的BP神经网络的超参数；

e.如果所述BP神经网络的优化函数满足设定的误差要求，则结束所述BP神经网络的训练过程，得到训练好的BP神经网络，如果优化函数不满足设定的误差要求，且BP神经网络训练次数仍未达到上限，则重复执行步骤c，直至所述优化函数满足要求，得到符合期望的BP神经网络，如果所述BP神经网络训练次数达到上限时，所述优化函数仍不满足误差要求，则判定当前的BP神经网络不收敛。

6.根据权利要求4所述的不完整信号下的漏磁检测缺陷量化与显示方法，其特征在于，在所述步骤S5中，根据所述缺陷边缘和缺陷深度确定缺陷类型，具体包括：

以凹坑缺陷对所述缺陷深度进行估计并进行缺陷显示；

当有连续三列缺陷的边缘信息不在切向方向上扩展后，则认定该缺陷不是凹坑缺陷，并以切向沟槽缺陷对所述缺陷深度进行估计并对缺陷进行显示；

当缺陷边缘在水平方向的延伸大于其在切向方向上延伸的二分之一后，认定该缺陷为水平沟槽缺陷，并以水平沟槽缺陷对缺陷深度进行估计并对缺陷进行显示。