本发明涉及深度学习，尤其涉及一种c扫图像自动生成方法和存储介质。
背景技术：
1、无损探伤仪是通过激发芯片发射超声波的方式，利用超声波对车辆在生产制造过程中的粘接缺陷进行检测，如前后风挡玻璃缺胶、车门密封条粘接气泡等。
2、现有技术中，超声波数据最直接的展示形式是a扫图像，但是a扫图像仅仅是曲线图像，对结果的反应并不直观，所以在检测过程中，最常应用的是c扫图像。c扫图像是通过俯视的视角来观察粘接面的情况，非常直观易懂，对粘接情况的观察和统计都非常方便。但是c扫图像的生成需要相应的闸门设置，即选定闸门的开始点和结束点，从而选定缺陷位置处展示的波形和范围，可以清楚地看到胶条与板材的粘接情况。否则的话就无法生成对比明细、易于检测的c扫图像。
3、目前，针对c扫闸门设置的问题，没有有效的、自动化的解决方案，更多的是通过人工凭借经验的方式解决，即使是熟练的检测人员，每次闸门设置需要约2.5小时左右，浪费大量的时间。
4、有鉴于此，特提出本发明。
技术实现思路
1、为了解决上述技术问题，本发明提供了一种c扫图像自动生成方法和存储介质，在真实超声波数据的基础上，不需要设置闸门参数，通过深度学习模型得到缺陷位置处的c扫图像。
2、本发明实施例提供了一种c扫图像自动生成方法，该方法包括：
3、预先训练深度学习模型；
4、调试探伤仪的参数，并将所述探伤仪的探头贴紧待检测的材料表面进行扫描；
5、采集扫描过程中产生的真实超声波数据，所述真实超声波数据的闸门未设置；所述真实超声波数据为t×m×（n+p）×q，其中，t为数据扫描的时长，m为声束数量，n为声波波长，p为传输校验位数据，q是数据传输类型相关的常量参数；
6、将所述真实超声波数据输入到所述深度学习模型中得到t×m×4的矩阵；4代表r、g、b、alpha四个通道；
7、将所述矩阵中的数据扫描的时长作为横轴，声束数量作为纵轴，生成缺陷位置处的c扫图像。
8、本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一实施例所述的c扫图像自动生成方法的步骤。
9、本发明实施例具有以下技术效果：能够自动地进行缺陷位置处的c扫图像的生成，从而避免复杂的闸门设置工作，能极大地提高超声波检测的执行效率。
1.一种c扫图像自动生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，深度学习模型包括输入层、卷积层、池化层和输出层；
3.根据权利要求1所述的方法，其特征在于，所述预先训练深度学习模型，包括：
4.根据权利要求3所述的方法，其特征在于，计算所述c扫图像的矩阵相对于所述矩阵标签的损失函数，包括：
5.根据权利要求4所述的方法，其特征在于，所述更新所述深度学习模型的参数以最小化所述损失函数之后，还包括：
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至5任一项所述的c扫图像自动生成方法的步骤。
