一种基于多源数据的焊接隐性异常检测和识别方法

本发明公开的一种基于多源数据的焊接隐性异常检测和识别方法，属于焊接质量检测领域。本发明实现方法为：实时采集每个对象的焊接质量的多模态数据信息，包括声音、电流、电压、光谱、温度信息、图像信息。对各个信息源采用相应传感器采集，对其特征进行提取。对提取的特征值归一化处理，采用LDA方法基于异常类别对数据进行降维。使用局部离群因子LOF的方法，对异常点进行检测。利用孤立森林从整体上识别异常点，将检测区域分割，在分割区域定义新的邻域搜索空间。采用概率神经网络PNN的方法对异常种类识别。利用人工蜂群算法ABC优化PNN的平滑因子，得到最优的平滑因子及建立最优的PNN模型，根据最优PNN网络优化模型实现焊接隐性异常检测和识别。