一种缺陷表面漏磁场信号的U-Net神经网络分析方法

本发明公开了一种缺陷表面漏磁场信号的U‑Net神经网络分析方法，包括以下步骤；步骤一：建立U‑Net神经网络训练所需的磁导率分布与漏磁场数据集；步骤二：对磁导率分布与漏磁场数据集进行旋转、裁剪和标准化，得到处理后的数据集；步骤三：基于处理后的数据集，构建以磁导率数据为输入，磁场分布的y向分量为输出的U‑Net模型；步骤四：采用RMSProp优化器对U‑Net模型进行训练，并保存权重；步骤五：使用步骤四中保存的权重预测测试集的磁场分布，并采用结构相似性评价预测结果的准确性。本发明通过多层U‑Net卷积的叠加扩大感受野，使算法能够识别和学习复杂特征，实现对磁场分布的有效预测，进而大幅提升了算法的性能和可靠性。