浙江理工大学;浙江理工大学常山研究院有限公司李家乐获国家专利权
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!
龙图腾网获悉浙江理工大学;浙江理工大学常山研究院有限公司申请的专利一种高精度轴承全表面缺陷在线可视化智能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:CN116977270B 。
龙图腾网通过国家知识产权局官网在2026-03-27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:202310435716.3,技术领域涉及:G06T7/00;该发明授权一种高精度轴承全表面缺陷在线可视化智能检测方法是由李家乐;李俊峰;潘海鹏设计研发完成,并于2023-04-22向国家知识产权局提交的专利申请。
本一种高精度轴承全表面缺陷在线可视化智能检测方法在说明书摘要公布了:本发明涉及轴承检测技术领域,公开了一种高精度轴承全表面缺陷在线可视化智能检测方法,采集轴承的上下内外四个端面的图片,然后在上位机中采用滑动窗口的方式对采集图片进行窗口截取并输入轴承缺陷检测模型进行预测,输出带有缺陷类型、置信度和缺陷位置标记的图片;轴承缺陷检测模型是以YOLOv5为基础网络,在主干网络的SPPF模块前添加ECCA模块,将Neck网络替换为由GSConv和VoVGSCSP构成的Slimneck,Head采用YOLOX中的解耦检测头。本发明可以有效地对轴承四个端面上的缺陷进行检测,对检测结果进行分类和标记。
本发明授权一种高精度轴承全表面缺陷在线可视化智能检测方法在权利要求书中公布了:1.一种高精度轴承全表面缺陷在线可视化智能检测方法,其特征在于包括如下: 采集轴承的上端面、下端面、内侧面和外侧面的图片,然后在上位机中采用滑动窗口的方式对采集图片进行窗口截取并输入轴承缺陷检测模型进行预测,输出带有缺陷类型、置信度和缺陷位置标记的图片; 所述轴承缺陷检测模型是以YOLOv5为基础网络,在YOLOv5网络的主干网络的SPPF模块前添加ECCA模块,将YOLOv5网络的Neck网络替换为由GSConv和VoVGSCSP构成的Slimneck,Head采用YOLOX中的解耦检测头; 所述ECCA模块包括坐标注意力模块和高效通道注意力模块,输入的特征图进入坐标注意力模块后分别对水平方向和垂直方向进行全局平均池化得到两个单独的位置感知特征图,然后将输入的特征图经过高效通道注意力模块提取的通道特征向量分别加权到两个位置感知特征图,在空间维度上Concat两个特征图,并通过Conv、BN和hardSwish来编码垂直方向和水平方向的空间信息;最后,分离两个位置感知特征图并加权到输入的特征图上; 损失函数为: Loss=wboxLbox+wobjLobj+wclsLcls 其中,wbox、wobj、wcls分别为0.05、0.5和1.0; 其中,IOU为预测框与真实框的交并比,ρ表示真实框A与预测框B中心点坐标的欧氏距离,c表示包含预测边界框和真实边界框的最小闭合矩形对角线长度,α是权重系数,v用来衡量A与B宽高比的一致性; 其中,n表示输入的样本数,yn表示目标的真实值,xn表示网络的预测值。
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浙江理工大学;浙江理工大学常山研究院有限公司,其通讯地址为:310018 浙江省杭州市下沙高教园区2号大街928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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励