申请/专利权人：长春工业大学

申请日：2023-12-26

公开（公告）日：2024-04-09

公开（公告）号：CN117849026A

主分类号：G01N21/71

分类号：G01N21/71;B22F10/80;B22F12/90;B33Y50/00;B33Y30/00;G06F18/15;G06F18/213;G06F18/2113;G06F18/214;G06F18/2431;G06F18/2411;G06F18/2415

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明属于激光光谱分析领域，具体公开了一种LIBS半定量识别金属增材制造构件孔洞缺陷的方法和电子设备，采用LIBS技术采集金属增材制造构件表面不同深度的孔洞缺陷的激光诱导等离子体光谱信号；基于所述激光诱导等离子体光谱信号获取所述金属增材制造构件孔洞缺陷的数据矩阵并将数据进行降噪处理；从NIST数据库中获取金属增材制造构件中主要元素的LIBS标准光谱数据并通过特征分段选取的方法从降噪后的数据矩阵中选取特征数据；将待检测金属增材制造构件孔洞缺陷的特征数据输入到训练好的半定量分析模型中，输出待检测金属增材制造构件表面的孔深。本发明能够实现金属增材制造构件孔洞缺陷的半定量分析，具有较高的识别准确率和模型鲁棒性。

主权项：1.一种LIBS半定量识别金属增材制造构件孔洞缺陷的方法，其特征在于，包括如下步骤：S101、采用LIBS技术采集金属增材制造构件表面不同深度的孔洞缺陷的激光诱导等离子体光谱信号；S102、基于所述激光诱导等离子体光谱信号获取所述金属增材制造构件孔洞缺陷的数据矩阵并将数据进行降噪处理；S103、从NIST数据库中获取金属增材制造构件中主要元素的LIBS标准光谱数据并通过特征分段选取的方法从降噪后的数据矩阵中选取特征数据，构建数据库；S104、以数据库中选取的特征光谱数据作为特征值，输入到使用python软件构建的支持向量机或朴素贝叶斯或随机森林机器学习模型中进行训练，以金属增材制造构件表面的孔深为输出，并对比输出结果，最终得到高准确率和高鲁棒性的半定量分析模型即训练好的半定量分析模型；S105、将待检测金属增材制造构件孔洞缺陷的特征数据输入到训练好的半定量分析模型中，输出待检测金属增材制造构件表面的孔深。

全文数据：

权利要求：

百度查询： 长春工业大学 一种LIBS半定量识别金属增材制造构件孔洞缺陷的方法和电子设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD