典型文献
基于多维度选择性搜索的小样本缺陷识别方法
文献摘要：
超声内检测是油气管道缺陷的主要检测方式之一,目前超声内检测在工业小样本的情况下存在缺陷识别边界定位不准的问题.本文提出了一种基于多维度选择性搜索的小样本缺陷识别方法,该方法首先对超声回波进行特征提取,其中包含使用基于孤立森林的回波特征点提取,和基于自然断点法的特征点聚类;其次提出了风险相似性度量方法,并使用梯度提升树建立波形特征和风险程度的回归模型;然后将多维度缺陷相似性信息融合在选择性搜索算法中,实现小样本缺陷识别;最后使用异常分数等区域风险度量指标实现缺陷边界的精准定位.实验结果表明,本文设计的基于多维度选择性搜索的小样本缺陷识别方法的查全率和查准率分别高达95.08％和85.46％,能有效解决超声信号缺陷识别边界定位不准的问题.
文献关键词：
缺陷识别;小样本;选择性搜索;孤立森林;自然断点法
中图分类号：
作者姓名：
卢森骧;徐行;张润江;刘金海;赵可天
作者机构：
东北大学信息科学与工程学院 沈阳 110004;中海油能源发展装备技术有限公司 天津 300452
文献出处：
引用格式：
[1]卢森骧;徐行;张润江;刘金海;赵可天-.基于多维度选择性搜索的小样本缺陷识别方法)[J].仪器仪表学报,2022(01):220-228
A类：
B类：
维度选择,选择性搜索,小样本,缺陷识别,超声内检测,油气管道,管道缺陷,检测方式,下存,存在缺陷,边界定位,超声回波,孤立森林,回波特征,特征点提取,自然断点法,相似性度量,梯度提升树,立波,波形特征,风险程度,信息融合,搜索算法,区域风险,风险度量,度量指标,精准定位,查全率,查准率,超声信号
AB值：
0.331121
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
