[发明专利]一种基于无监督流形分割的超声波缺陷检测方法

权利要求书

1.一种基于无监督流形分割的超声波缺陷检测方法，无监督流形分割Ums包括统一流形逼近与投影降维及无监督语义分割，其特征在于：包括以下步骤:

(1)获取聚合物内部缺陷图像数据集

采用超声相控检测仪发射连续的固定间隔的超声脉冲到工件表面，从聚合物内部中采集超声图像，声波在工件内部传播，在测试介质的上表面、下表面以及介质与缺陷构成的界面都将发生反射，使用接收器捕获超声回波，最后，将获取的超声缺陷图像保存为三维矩阵记录下来；

(2)缺陷超声数据预处理

将以三维矩转形式记录的超声缺陷图像转换为二维矩阵，并对二维矩阵进行预处理，以平衡不同深度缺陷的回波并减弱表面和底部回波的影响；

(3)统一流形逼近与投影降维

将步骤(2)中预处理后的二维矩阵作为输入，统一流形逼近与投影算法通过计算每个点的最近邻域的隶属度，构建模糊拓扑表示，在低维空间中对低维表示进行优化，并采用交叉熵对其进行度量；

(4)无监督语义分割

将降维后的二维矩阵按行方向取平均值，转换为二维矩阵，根据像素的颜色、纹理进行自适应聚类，分配一致的语义标签并进行超像素分割，并且对图像进行预分类，然后，使用深度卷积网络计算特征图，直到语义分割结果与预分类的结果相符合，最后进行合并区块可视化输出；

(5)缺陷可视化

把超声缺陷图像的无监督流形分割Ums的结果输出，并将缺陷可视化。

2.如权利要求1所述的一种基于无监督流形分割的超声波缺陷检测方法，其特征在于，所述步骤(2)的过程为：

步骤2.1：将记录的三维超声矩阵X₀∈R^H×X×Y转换为二维矩阵X₁，其中H，X，Y分别表示采样时间点、水平扫描方向和垂直扫描方向上的位置；

步骤2.2：采用鲁棒标准化方法对二维矩阵X₁预处理，以平衡不同深度缺陷的回波并减弱表面和底部回波的影响，其计算公式为：

式中x表示样本的某个值，median是样本的中位数，IQR是样本的四分位距。

3.如权利要求1所述的一种基于无监督流形分割的超声波缺陷检测方法，其特征在于，所述步骤(3)的具体过程如下：

步骤3.1：对步骤2.2中进行预处理后的超声数据矩阵中的每一个像素值进行近邻点计算，其计算公式为：

式中x_i和x_j为展开的超声成像数据矩阵中的样本点，其中下标i、j为样本点序号，d(x_i,x_j)为点x_i和点x_j之间的任意距离，式中ρ_i代表从第i个数据点到其第一个最近邻点的距离，σ_i代表归一化因子；

步骤3.2：使用图拉普拉斯分配初始低维坐标，然后通过构造拉普拉斯矩阵用矩阵代数对其进行形式化，最后对拉普拉斯矩阵进行分解，得到每个x_i的k最近邻集合其中对于每个x_i，确定ρ_i和σ_i:

为了将具有局部变化的度量的点粘合在一起，使用高维概率的对称化，进行分布的计算：

p_ij＝p_i|j+p_j|i-p_i|jp_j|i；

步骤3.3：用的曲线簇计算低维距离概率，进行谱嵌入初始化低维表示，不需要进行归一化，q_ij表示y_i是y_j邻域的分布概率，公式如下：

q_ij＝(1+a(y_i-y_j)^2b)^-1

式中超参数a、b为经验参数，y_i，y_j为x_i，x_j在低维空间中的映射；

步骤3.4：优化低维表示，并采用交叉熵对其进行度量，公式如下：

4.如权利要求1所述的一种基于无监督流形分割的超声波缺陷检测方法，其特征在于，所述步骤(4)的具体过程如下：

步骤4.1：将降维后的二维矩阵按行方向取平均值表示成转换为大小为n_x×n_y的2维矩阵原尺寸图像，根据像素的颜色、纹理进行自适应聚类，分配一致的语义标签，使用菲尔森茨瓦布算法进行超像素分割，并且对图像进行预分类，若超像素分割后的小区域的语义信息没有区别，则分配一致的语义标签，初始化卷积神经网络，保持每层的方差与均值；

步骤4.2：使用初始化卷积神经网络，根据特征图，取数值最大者为对应像素的标签，对于语义分割聚类结果，统计每个聚类中，出现次数最多的类别，将这个聚类里所有像素中含有相同语义信息的像素记为小区块，最后将所有小区块合并为大区块；

步骤4.3：计算损失函数，采用随机梯度下降更新参数，迭代T次收敛，直到语义分割结果与预分类的结果相符合。