标题：基于LSTM的储罐底板缺陷识别
作者：潘勇
作者单位：河北省特种设备监督检验研究院邯郸分院，河北 邯郸 056011
关键字：储罐底板；漏磁检测；缺陷识别；LSTM
摘要：储罐底板因腐蚀穿孔或疲劳裂纹引起的泄漏是常压储罐的主要失效形式。储罐底板的检测通常采用电磁技术，利用永磁体磁化钢板产生的漏磁效应进行缺陷检测，但这种检测方法无法区分钢板中的裂纹缺陷与腐蚀缺陷，给后期处理带来不便。以包含裂纹缺陷及腐蚀缺陷的磁检测信号作为数据源，建立基于LSTM（长短期记忆）的一维时序神经网络模型，实现储罐底板缺陷分类识别。结果表明：基于LSTM的神经网络模型，可以快速实现储罐底板缺陷的分类识别，对钢板裂纹缺陷的识别准确率为96%，对钢板腐蚀缺陷的识别准确率为92%。