基于深度学习的兰姆波SCF-TFM超分辨率成像

腐蚀和裂纹是结构板常见的缺陷形式,兰姆波在非贯穿型损伤处发生模式转换是制约兰姆波成像质量的主要因素。此外,声波衍射遵循瑞利准则,超声成像存在分辨率极限。本文设计了一个全卷积神经网络对接收信号进行分割与重构,实现目标模态的自动拾取,抹除杂波和模式转换的干扰。提出符号相干因子全聚焦成像法(SCF-TFM),在全矩阵聚焦成像过程中施加符号相干因子,抑制非目标区域散射波对成像结果的干扰,同时考虑散射信号的幅值及相位信息,可以一定程度上突破瑞利准则的限制,实现超分辨率成像。实验结果表明:对于单个盲孔缺陷,该方法成像结果的横向分辨率比全聚焦提高62.41%,信噪比提升58.23%;而对于多个非对称盲孔缺陷,当缺陷间距大于瑞利准则分辨率极限时,该方法的信噪比提高了92.89%;缺陷间距小于瑞利准则分辨率极限时,该方法可以实现超分辨率成像。