發(fā)布時間：2021-06-22 00:48

　　為改進管道漏磁內檢測數(shù)據(jù)量化技術領域的傳統(tǒng)人工圈取缺陷塊方法的定位有偏差、圈取范圍偏大等缺點,針對人工提取缺陷塊的里程邊界,提出了一種利用步長系數(shù)、結合邊界與雙邊谷點的里程距離和幅值大小的邊界搜索策略,并針對通道邊界,提出一種結合幅值閾值法和峰谷差分閾值法尋找通道邊界的邊界搜索策略,最后綜合里程邊界搜索策略和通道邊界搜索策略,設計了一種基于人工提取缺陷塊的邊界搜索方法。所提出的方法將有助于有效漏磁缺陷特征庫的建立,挖掘缺陷數(shù)據(jù)的本質特征,能夠在一定程度上提高缺陷提取特征的準確度,降低時間復雜度,并能為漏磁缺陷的量化提供數(shù)據(jù)支持和決策依據(jù)。 

【文章來源】：無損檢測. 2020,42(08)

【文章頁數(shù)】：7 頁

【部分圖文】：

7 歸一化表面積變化趨勢圖

在隨機森林回歸樹漏磁缺陷量化算法中，如圖18,19所示，輸入為邊界搜索算法后提取的表面積、體積比輸入為邊界搜索算法前提取的表面積、體積的量化精度提高了0.047，同樣，在梯度回歸樹漏磁缺陷量化算法中，量化精度分數(shù)提高了0.073。圖1 9 梯度回歸樹測試集深度擬合曲線

里程邊界搜索算法流程


本文編號：3241773