买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉重庆交通大学申请的专利一种反向学习的不等厚焊缝缺陷X射线图像两阶段智能识别方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118587174B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410658124.2，技术领域涉及：G06T7/00；该发明授权一种反向学习的不等厚焊缝缺陷X射线图像两阶段智能识别方法及系统是由龚燕峰;邵红亮;张洪;谭家万;唐皇;杨雪锋;邓汶;陈梓豪设计研发完成，并于2024-05-24向国家知识产权局提交的专利申请。

本一种反向学习的不等厚焊缝缺陷X射线图像两阶段智能识别方法及系统在说明书摘要公布了：本发明公开了一种反向学习的不等厚焊缝缺陷X射线图像两阶段智能识别方法及系统，涉及无损检测技术领域，包括分别以正常无缺陷的原始焊缝图像负样本和有缺陷的原始焊缝图像正样本构建两种训练数据集；然后构建一种两阶段的目标识别模型，其中，第一阶段同时利用正样本和负样本训练焊缝缺陷潜在区域识别模型，对原始焊缝图像中缺陷潜在区域进行识别，第二阶段仅利用负样本训练缺陷识别网络，在第一阶段识别出的缺陷潜在区域的基础上进行缺陷的精准识别，实现仅依赖少量正样本即可对焊缝缺陷进行精准识别的目的。

本发明授权一种反向学习的不等厚焊缝缺陷X射线图像两阶段智能识别方法及系统在权利要求书中公布了：1.一种反向学习的不等厚焊缝缺陷X射线图像两阶段智能识别方法，其特征在于，包括：获取焊缝图像，建立第一数据集；所述焊缝图像中存在缺陷的图像为正样本，所述焊缝图像中不存在缺陷的图像为负样本；根据所述负样本建立第二数据集；所述第一数据集包括正样本与负样本；将所述第一数据集输入预设的焊缝缺陷潜在区域识别模型，对所述焊缝缺陷潜在区域识别模型进行训练；将所述第二数据集输入预设的焊缝缺陷精准识别模型，对所述焊缝缺陷精准识别模型进行训练；获取待识别焊缝图像，将所述待识别焊缝图像输入训练完成的所述焊缝缺陷潜在区域识别模型识别获取所述待识别焊缝图像的缺陷潜在区域；将所述焊缝缺陷潜在区域进行切片获取切片图像，将所述切片图像作为训练完成的所述焊缝缺陷精准识别模型的输入，识别并标记其中存在缺陷潜在区域的所述切片图像；所述焊缝缺陷精准识别模型具体包括：生成模块、重编码模块、判别模块，所述生成模块获取所述切片图像的切片特征图并进行重构，得到切片重构图；所述重编码模块提取所述切片重构图的重构特征图；所述判别模块输入所述重构特征图和切片图像，进行所述重构特征图和切片图像的判断，帮助所述生成模块学习正常焊缝图像的特征；所述生成模块具体包括编码子模块、解码子模块，具体结构如下：所述编码子模块包括：第1层为输入层，输入通道数为3；第2层为卷积层，输入通道数为3，输出通道数为32，卷积核尺寸为3*3，步长为2*2；第3层为Relu激活层；第4层为卷积层，输入通道数为32，输出通道数为64，卷积核尺寸为3*3，步长为2*2；第5层为批归一化层；第6层为Relu激活层；第7层为卷积层，输入通道数为64，输出通道数为128，卷积核尺寸为3*3，步长为2*2；编码子模块输出的切片特征图f表示如下：f＝GEx；θe；其中，θe表示编码子模块对应的网络参数，GEx；θe表示编码子模块，x表示输入训练样本；所述解码子模块包括：第1层为反卷积层，输入通道数为128，输出通道数为64，卷积核尺寸为3*3，步长为2*2；第2层为批归一化层；第3层为Relu激活层；第4层为反卷积层，输入通道数为64，输出通道数为32，卷积核尺寸为3*3，步长为2*2；第5层为批归一化层；第6层为Relu激活层；第7层为反卷积层，输入通道数为32，输出通道数为3，卷积核尺寸为3*3，步长为2*2；解码子模块输出的缺陷潜在区域切片重构图表示如下： 其中，θd表示解码子模块对应的网络参数，GDf；θd表示解码子模块；所述重编码模块具体包括： 其中，θe1表示重编码模块对应的网络参数，表示重编码模块，表示重编码模块输出的重构特征图；所述判别模块具体包括尺度一判别模块、尺度二判别模块，具体结构如下：所述尺度一判别模块包括：第1层为输入层，输入通道数为3；第2层为卷积层，输入通道数为3，输出通道数为32，卷积核尺寸为3*3，步长为2*2；第3层为Relu激活层；第4层为卷积层，输入通道数为32，输出通道数为64，卷积核尺寸为3*3，步长为2*2；第5层为批归一化层；第6层为Relu激活层；第7层为卷积层，输入通道数为64，输出通道数为128，卷积核尺寸为3*3，步长为2*2；第8层为批归一化层；第9层为Relu激活层；第10层为卷积层，输入通道数为128，输出通道数为1，卷积核尺寸为3*3，步长为1*1；第11层为Sigmoid激活层；所述尺度一判别模块输出具体如下： 其中，l1的结果为0或1，为0时表示重构特征图，为1时表示切片图像，θD1表示尺度一判别模块对应的网络参数，为尺度一判别模块；所述尺度二判别模块包括：第1层为输入层，通道数为64；第2层为卷积层，输入通道数为64，输出通道数为128，卷积核尺寸为3*3，步长为2*2；第3层为批归一化层；第4层为Relu激活层；第5层为卷积层，输入通道数为128，输出通道数为1，卷积核尺寸为3*3，步长为1*1；第6层为Sigmoid激活层；所述尺度二判别模块输出具体如下：l2＝D2GE-2x,GD-2f；θD2；其中，l2的结果为0或1，为0时表示重构特征图，为1时表示切片图像，θD2表示尺度二判别模块对应的网络参数，GE-2表示生成模块中编码子模块的第4层及第4层之前的网络模块，GD-2表示解码子模块的第4层及其之前的网络模块，D2GE-2x,GD-2f；θD2为尺度二判别模块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆交通大学，其通讯地址为：400074 重庆市南岸区学府大道66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。