一种基于深度学习的不锈钢管力学性能无损检测方法

本发明公开了一种基于深度学习的不锈钢管力学性能无损检测方法，涉及人工智能技术领域，包括：获取待测不锈钢管的超声检测数据、电磁检测数据和合金成分检测数据；基于合金成分相对于标准含量的偏离程度，为超声、电磁及成分单信号性能预测通道分配初始信度权重；分别将各检测数据输入对应预测通道，获得独立输出的力学性能预测值；结合各预测通道的历史预测精度及当前预测一致性计算信度评分；根据各预测值之间的差异计算多信号预测冲突度，并依据冲突度和信度评分确定融合权重，计算最终力学性能预测值及预测置信度。解决了现有技术中不锈钢管力学性能无损检测准确性、稳定性及可靠性较低的技术问题。