基于形状的无损检测缺陷分类

本工作的目标是对涡流无损检测（eddy current non-destructive testing）所检测到的航空航天结构缺陷进行分类。所提出的方法基于如下假设：缺陷与测试期间探头线圈阻抗的反应相关。利用阻抗平面分析（Impedance plane analysis），通过一些几何参数从复平面中线圈阻抗的形状提取特征向量。形状识别使用三种基于机器学习的分类器进行测试：决策树、神经网络和朴素贝叶斯（Naive Bayes）。所提出的检测系统的性能通过准确率、灵敏度、特异度、精确率和马修斯相关系数（Matthews correlation coefficient）进行度量。在飞机结构的涡流信号样本数据集上进行了若干实验。所得结果证明了我们方法的有用性以及与现有描述符相比的竞争力。