龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：三维天工(北京)科技有限公司
摘要：本发明公开了一种基于人工智能的底片评片的自动检测识别方法，步骤为：首先，将叶片的照片数字化处理，变成电脑可识别的数据。然后，人工标定每个缺陷的种类和位置，以便创建一个缺陷样本库。接着，从叶片上切取局部缺陷区域的图像，对这些图像进行数据扩充，同时修正对应的标签，以便构建深度学习模型的训练数据。接下来，建立一个专门用于检测和识别飞机发动机叶片缺陷的深度学习网络。使用已经准备好的数据对这个深度学习网络进行训练。一旦训练完成，依据训练得到的参数，创建一个自动检测和识别模型。最后，将数字图像输入到这个模型中，它将自动检测和识别叶片上的缺陷，同时给出缺陷的位置。
主权项：1.一种基于人工智能的底片评片的自动检测识别方法，其特征在于，包括以下步骤：步骤1：使用深度学习标注工具，手动框选每个叶片图像上的缺陷，并记录缺陷的位置坐标与类型，被保存在JSON格式的标签数据文件中；步骤2：对缺陷叶片图像进行裁剪，以得到中心在不同位置的缺陷图像，并进行数据增强，如随机翻转、旋转和亮度调整，以构建深度学习模型的训练集；步骤3：裁取航空发动机叶片缺陷部位图像并进行数据扩充，构建航空发动机叶片缺陷图像深度学习模型训练样本集；步骤4：基于Yolov7算法和Resnet50网络结构搭建一个深度学习网络，用于叶片缺陷的检测，增加了空间池化金字塔结构和路径聚合网络以提升检测精度；步骤5：将准备好的训练样本输入到构建的网络中，并用交叉熵损失函数及随机梯度下降法优化网络参数，直到模型收敛；步骤6：将训练好的网络参数加载到检测网络中，并利用非极大值抑制算法提取最有可能的缺陷结果，从而构建出能自动进行缺陷检测与识别的模型，步骤7：对输入的胶片图像进行自动检测和识别，输出缺陷的位置、类型和置信度信息，为了处理任意大小的图像，模型前后分别添加了图片分割和重组操作，以保证缺陷定位的准确性。
全文数据：
权利要求：
百度查询： 三维天工(北京)科技有限公司 基于人工智能的底片评片的自动检测识别方法
免责声明
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号