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！
摘要：本申请涉及一种基于弱监督学习的航空发动机叶片缺陷检测方法，获取航空发动机涡轮叶片的表面图像，并对其进行类别标注；基于表面图像及其对应的类别标签，利用分类网络得到缺陷初步定位图，并生成对应的缺陷区域边界框；基于缺陷区域边界框对表面图像和缺陷初步定位图进行取块，构造图块对，并对图块对进行聚类分析；在聚类结果中选择一簇向量，对选择的向量在缺陷初步定位图和表面图像上映射的区域进行自适应抑制；将抑制后的表面图像以及缺陷初步定位图进行融合，并输入至分类网络，得到缺陷更新定位图；基于缺陷更新定位图转换得到更新的缺陷区域边界框；将表面图像和更新的缺陷区域边界框输入至视觉分割模型，得到缺陷分割结果。
主权项：1.一种基于弱监督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图像，并对其进行类别标注；S2：基于所述表面图像及其对应的类别标签，利用分类网络得到缺陷初步定位图，并生成对应的缺陷区域边界框；S3：基于所述缺陷区域边界框对所述表面图像和所述缺陷初步定位图进行取块，构造图块对，并对所述图块对进行聚类分析；S4：在聚类结果中选择一簇向量，对选择的向量在所述缺陷初步定位图和所述表面图像上映射的区域进行自适应抑制；S5：将抑制后的表面图像以及缺陷初步定位图进行融合，并输入至所述分类网络，得到缺陷更新定位图；基于缺陷更新定位图转换得到更新的缺陷区域边界框；S6：将所述表面图像和所述更新的缺陷区域边界框输入至视觉分割模型，得到缺陷分割结果。
全文数据：
权利要求：
百度查询： 湖南大学 一种基于弱监督学习的航空发动机叶片缺陷检测方法
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