Defects under insulation evaluation using convolutional neural network-based microwave technique

doi:10.1038/s41598-026-59641-1

Defects under insulation evaluation using convolutional neural network-based microwave technique

2026-07-04

0

OA

AI

T

Tan Shin Yee

M

Muhammad Firdaus Akbar *

M

Muthukannan Murugesh

DOI：10.1038/s41598-026-59641-1

原文链接

原文求助

摘要

En 中文

基于机器学习技术的地下缺陷检测已日益受益，特别是在数据驱动的检测方法中。尽管卷积神经网络（CNN）显示出有前景的能力，但在识别精细尺度缺陷方面性能仍不理想。本研究提出了一种微波无损检测框架，结合Q波段开放式矩形波导传感与基于短时傅里叶变换（STFT）的时频特征提取及CNN分类，以提高对陶瓷绝缘层下方小尺度脱粘的检测。该方法涉及使用工作于33～50 GHz的开放式矩形波导捕获陶瓷绝缘层的反射信号。这些反射信号通过混合信号处理分析进行预处理，其中STFT提取局部频率依赖性特征。采用Z-score方法进行异常值抑制和数据归一化以提升数据质量。优化后的特征随后输入CNN分类器，该分类器经过训练以区分缺陷区域与非缺陷区域。结果表明，该集成方法实现了97.84%的分类准确率，相较于传统检测技术，显著提升了微小脱粘的检测能力。

Defects under insulation evaluation using convolutional neural network-based microwave technique

摘要

期刊

机构

引用论文