摘要
本发明提供了一种基于机器学习的长期服役金属晶粒尺寸识别方法，包括以下步骤：激发试件表面产生超声波；获取激发试件所产生的超声波信息，并将超声波信息输入至样本数据库中进行特征对比；依据预测模型，预测晶粒尺寸，并与被测试件的晶粒尺寸对，计算出误差；依据试件的晶粒尺寸与预测模型预测的晶粒尺寸误差评估试件长期服役金属的安全性，并输出检测结果；将激发试件所产生的超声波信息进行数据保存，用于丰富样本数据库，并使机器学习算法能够学习构建更加完整的数据模型。使用时，采用激光超声技术，以非接触式检测方式，无需破坏试件表面，避免了对主蒸汽母管的损伤，同时无需停机，显著降低了检测成本和时间。
