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！

龙图腾网获悉西安交通大学申请的专利一种飞机翼面连接件错装漏装可视化检测方法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：CN115599844B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202211406114.7，技术领域涉及：G06F16/2458；该发明授权一种飞机翼面连接件错装漏装可视化检测方法是由杨军;连旭升;周振秋;张海龙;薛政杰;何强;陈儒琛设计研发完成，并于2022-11-10向国家知识产权局提交的专利申请。

本一种飞机翼面连接件错装漏装可视化检测方法在说明书摘要公布了：一种飞机翼面连接件错装漏装可视化检测方法，先进行基于深度学习的零件识别定位，再进行基于图像分割的零件测量算法构建，然后进行算法集成与验证，再进行基于透射变换的图像归一化处理，然后进行基于数据匹配的装配错误识别算法处理，最后进行装配体位姿估计；本发明实现对零件的精准识别和测量、装配错误的高效定位与检测以及算法的性能验证测试，提高装配检测效率的同时，还提高装配检测的准确率。

本发明授权一种飞机翼面连接件错装漏装可视化检测方法在权利要求书中公布了：1.一种飞机翼面连接件错装漏装可视化检测方法，其特征在于，包括以下步骤： 步骤1，基于深度学习的零件识别定位：搭建深度学习网络框架，采用公开数据集训练模型作为预训练权重；采集零件数据集并进行标注，采用图像增强方式丰富零件数据集；采用迁移学习方式在预训练权重上对深度学习网络进行训练与测试，识别零件的像素坐标、种类信息； 步骤2，基于图像分割的零件测量算法构建：对图像进行预处理，采用深度优先搜索算法进行连通区域分析，并对零件和背景进行标记；对每个标记采用图像分割算法，获取零件实例分割区域；对每个零件实例分割区域计算最小外接圆，以最小外接圆半径作为尺度特征描述子； 步骤3，算法集成与验证：将步骤1与步骤2两种算法进行集成，形成零件识别定位测量一体化算法，一次输入同时得到零件的像素坐标、类别信息、最小外接圆尺寸；并进行实验分别验证零件种类识别率与召回率、尺寸测量精确度区间的指标；具体为： 步骤3.1，将步骤1设计的零件种类识别定位算法，以及步骤2设计的零件测量算法进行集成，采用并联集成的方式，输入图像首先经过YOLO_v5深度学习算法进行计算，在输出层送入步骤2的零件测量算法进行计算与排序，并对排序后的零件进行标记； 步骤3.2，对标记到的第一个零件，根据其真实尺寸与算法测量到的尺寸求取真实尺寸和像素尺寸之间的换算比例： 其中为真实零件的最小外接圆半径，为算法测量得到的零件的最小外接圆半径；根据此比例，利用公式得到其余零件的真实最小外接圆半径，最终形成零件识别定位测量一体化算法； 步骤3.3，对种类识别定位模块采用精确率P和召回率R来评估算法性能，计算公式如下对零件测量模块采用多次测量的重复精度来评估算法性能： 其中，TP是检索到的正确的结果，FN是未检索到的正确的结果；FP是检索到但结果错误，TN是未检索到且结果错误； 步骤4，基于透射变换的图像归一化处理：对步骤3的零件识别定位测量一体化算法得到零件的像素坐标，通过透射投影变换方式实现坐标转换；对装配体区域进行分割，分割出区域进行四边形拟合，利用拟合四边形的角点信息求解透射变换矩阵的参数；利用透射变换矩阵进行运算实现图像归一化处理，同时实现像素坐标系与物体坐标系的转换； 步骤5，基于数据匹配的装配错误识别算法：建立数据库，定义零件信息，并在数据库中预存正确装配零件信息模板；开发算法与数据库的信息传输接口，实现算法与数据库实时数据交互；将步骤4测量得到的零件信息实时存储至数据库中，与数据库中模板信息进行匹配，将匹配失败的零件信息返回，定义装配错误信息； 步骤6，装配体位姿估计：对薄壁状弱纹理目标进行位姿估计，采用端到端深度学习的方式，利用图像的RGB-D信息进行直接位姿估计。

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西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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”。

以上内容由龙图腾AI智能生成。