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！

龙图腾网获悉中国机械总院集团沈阳铸造研究所有限公司申请的专利一种用于铸件射线图像的自监督学习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：CN116843934B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310639356.9，技术领域涉及：G06V10/762；该发明授权一种用于铸件射线图像的自监督学习方法是由李兴捷;于涵;李新越;侯春雨;刘尚瑀设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本一种用于铸件射线图像的自监督学习方法在说明书摘要公布了：本发明提供了一种用于铸件射线图像的自监督学习方法，其步骤为：步骤1.自监督学习任务所需的图像数据集的构建；步骤2：自监督模型训练；步骤3.网络应用。通过熵选择遮蔽策略与稀疏卷积预训练架构实现铸件射线图像的自监督预训练，克服传统方法不适用于卷积神经网络与忽略图像不同区域之间的信息密度差异的问题。相比于自然图像预训练与传统自监督学习方法，本发明在提升模型下游任务的精度方面具有更好的效果。在铸件缺陷检测领域中卷积神经网络仍然是主流方法，因此本发明更适用于铸件缺陷检测领域。

本发明授权一种用于铸件射线图像的自监督学习方法在权利要求书中公布了：1.一种用于铸件射线图像的自监督学习方法，其特征在于： 其步骤为： 步骤1.自监督学习任务所需的图像数据集的构建； 步骤2：自监督模型训练； 步骤3.网络应用； 所述的步骤1.自监督学习任务所需的图像数据集的构建： 搜集不同射线装备在不同射线成像参数下的多种铸件图像，构建数据集；为数据集中的第n张图像；n一般为大于10000的一个整数；随后对数据集中每个图像采用SLIC超像素聚类方法，获得对应的聚类结果集，记为；为的聚类结果图，共包含k个超像素，记为； 计算每个超像素的熵值}；其中代表第k个超像素的熵；超像素的熵值越大代表该超像素具有较高的信息密度；计算所有超像素熵值的中位数，超像素熵值小于中位数的为低熵超像素，超像素熵值大于中位数的为高熵超像素；将%的低熵超像素进行遮蔽中对应位置的图像灰度置为0，将%的低熵超像素进行遮蔽，获得对应的遮蔽后图像，并组成遮蔽图像数据集，其中，为可调参数，大于70且小于90，大于0且小于40；最后，提取数据集D中的所有图像的HOG特征组成数据集H；将得到的图像数据集随机划分为训练集和验证集，其比例分别为70%和30%。

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国机械总院集团沈阳铸造研究所有限公司，其通讯地址为：110000 辽宁省沈阳市铁西区云峰南街17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。