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！

龙图腾网恭喜湖南大学申请的专利一种基于小样本学习的航空发动机叶片缺陷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：CN119379683B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411948379.9，技术领域涉及：G06T7/00；该发明授权一种基于小样本学习的航空发动机叶片缺陷检测方法是由刘敏;程曦航;马云峰;蒋帅;王学平;吴昊天;王耀南设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本一种基于小样本学习的航空发动机叶片缺陷检测方法在说明书摘要公布了：本申请涉及一种基于小样本学习的航空发动机叶片缺陷检测方法，该方法包括：获取航空发动机涡轮叶片的表面缺陷图像，并为其建立掩膜真值标注；将多个表面缺陷图像按照对应的真值掩膜划分为训练集、支持集、查询集，并构建缺陷检测模型，缺陷检测模型包括跨层多级特征聚合模块、具有大感受域的混合器、前景校正模块；通过跨层多级特征聚合模块聚合支持集中支持图像与查询集中查询图像不同层次的特征，得到缺陷特征；通过具有大感受域的混合器处理缺陷特征，得到聚合特征；通过前景校正模块将聚合特征与提取的查询图像的背景特征融合并校正，得到精细化的分割结果。该方法提高了模型训练的效率和成本效益。

本发明授权一种基于小样本学习的航空发动机叶片缺陷检测方法在权利要求书中公布了：1.一种基于小样本学习的航空发动机叶片缺陷检测方法，其特征在于，包括：S1：获取航空发动机涡轮叶片的表面缺陷图像，并为其建立掩膜真值标注；S2：将多个表面缺陷图像按照对应的真值掩膜划分为训练集、支持集、查询集，并构建缺陷检测模型，所述缺陷检测模型包括跨层多级特征聚合模块、具有大感受域的混合器、前景校正模块；通过所述训练集训练所述缺陷检测模型；S3：通过跨层多级特征聚合模块聚合支持集中支持图像与查询集中查询图像不同层次的特征，得到缺陷特征；S3.1：使用双线性插值法调整支持图像及其真值掩膜的大小，将不同大小的支持图像及其真值掩膜由小到大与跨层多级特征聚合模块的层级相对应；S3.2：在跨层多级特征聚合模块的低级与高级层级中，使用不同的处理方式，其中使用ResNet-50分别提取支持图像和查询图像的低级特征，使用扩张卷积神经网络分别提取支持图像和查询图像的高级特征，其中低级特征为目标的基础特征，高级特征为目标的语义特征；S3.3：基于不同层级的支持图像与其对应层级的真值掩膜，得到不同层级的支持特征；S3.4：将所有层级的支持特征叠加到同一维度并进行归一化，得到异常特征；S3.5：将所述异常特征与查询图像的低级特征、高级特征串联，得到查询缺陷特征；S3.6：使用双线性插值法调整查询缺陷特征的大小，连接大小不同的查询缺陷特征，得到所述缺陷特征；S4：通过具有大感受域的混合器处理所述缺陷特征，得到聚合特征；S5：通过前景校正模块将所述聚合特征与提取的查询图像的背景特征融合并校正，得到精细化的分割结果。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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”。