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！

龙图腾网获悉中建国际城市建设有限公司;中建国际低碳科技有限公司申请的专利一种基于深度学习的增材制造缺陷检测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：CN120314370B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510812842.5，技术领域涉及：G01N25/72；该发明授权一种基于深度学习的增材制造缺陷检测方法及系统是由杨嘉驰;刘涛;刘小波;吴晓晖;赵思聪设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本一种基于深度学习的增材制造缺陷检测方法及系统在说明书摘要公布了：本申请公开了一种基于深度学习的增材制造缺陷检测方法及系统，涉及增材制造，包括：采集增材制造过程中的温度场数据和工艺参数；工艺参数包括扫描路径、能量输入和送丝速度；扫描路径指增材制造过程中沉积头的运动轨迹，能量输入指金属熔化需要的热量；送丝速度指金属丝送入熔池的速率；对温度场数据进行预处理，构建时序特征；建立多分支融合的检测模型，多分支包括裂纹检测分支和孔隙检测分支；利用检测模型对时序特征进行特征分析，识别缺陷类型，缺陷类型包括裂纹和孔隙；根据识别的缺陷类型调整工艺参数；针对现有技术中增材制造过程中缺陷检测精度低，本申请通过建立裂纹和孔隙两个专用检测分支等，提供了对线性裂纹和点状孔隙的检测精度。

本发明授权一种基于深度学习的增材制造缺陷检测方法及系统在权利要求书中公布了：1.一种基于深度学习的增材制造缺陷检测方法，其特征在于，包括： S1，采集增材制造过程中的温度场数据和工艺参数；所述工艺参数包括扫描路径、能量输入和送丝速度；其中，扫描路径指增材制造过程中沉积头的运动轨迹，能量输入指金属熔化需要的热量；送丝速度指金属丝送入熔池的速率； S2，对温度场数据进行预处理，构建时序特征； S3，建立多分支融合的检测模型，所述多分支包括裂纹检测分支和孔隙检测分支； S4，利用检测模型对时序特征进行特征分析，识别缺陷类型，所述缺陷类型包括裂纹和孔隙； S5，根据识别的缺陷类型调整工艺参数； 其中，建立多分支融合的检测模型，包括： 获取增材制造过程中带有缺陷标注信息的历史温度场数据集； 利用步骤S2中的方法对数据集进行预处理，构建训练集； 将训练集分别输入并行的裂纹检测分支和孔隙检测分支网络，得到各类缺陷的特征图；其中，裂纹检测分支提取裂纹特征图；孔隙检测分支提取孔隙特征图； 将裂纹特征图和孔隙特征图进行最大池化后展平为一维特征向量； 将训练集中的数据沿空间维度进行池化，生成时序序列集； 将时序序列集输入双向长短期记忆网络，提取温度场随时间变化的时序特征； 将两个分支的一维特征向量和时序特征进行加权融合，得到融合特征； 将融合特征输入由两层全连接层构成的分类头网络，通过softmax函数输出裂纹和孔隙两种缺陷类型的概率分布； 其中，裂纹检测分支提取裂纹特征图，包括： 对训练集中每一帧温度场数据进行Sobel算子卷积运算，计算水平方向温度梯度和垂直方向温度梯度； 根据水平方向温度梯度和垂直方向温度梯度，计算梯度幅值G和梯度方向θ； 构建八个方向的方向敏感卷积核，角度间隔为π8，每个卷积核尺寸为7×7，用于检测不同方向的线性结构；其中，方向敏感卷积核指沿预设方向具有较大权重，垂直于预设方向权重值较小的卷积核； 利用八个方向的方向敏感卷积核对梯度幅值G进行卷积运算，得到八个方向的响应特征图； 对八个方向的响应特征图执行逐元素最大值操作，得到综合特征图； 对综合特征图进行卷积核池化操作，得到最终的裂纹特征图； 其中，孔隙检测分支提取孔隙特征图，包括： 计算训练集中每一帧温度场数据的局部温度均值μ和方差，其中，局部定义为以当前像素为中心的5x5区域；其中，i和j表示正整数； 根据局部方差，计算自适应阈值； 将局部方差大于自适应阈值的区域，作为温度异常点； 构建高斯点扩散函数，其中，ω为扩散系数；x和y表示温度场的坐标； 利用对温度异常点进行卷积处理，得到温度异常特征图； 构建多组尺寸为3x3的卷积核； 利用卷积核对温度异常特征图进行卷积运算，得到n个点状响应特征图； 对n个点状响应特征图进行逐元素最大值操作，得到综合点状特征图； 对综合点状特征图进行卷积核池化操作，得到孔隙特征图。

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中建国际城市建设有限公司;中建国际低碳科技有限公司，其通讯地址为：215163 江苏省苏州市高新区锦峰路199号锦峰国际商务广场1幢-9-901；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”。