Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南大学刘敏获国家专利权

湖南大学刘敏获国家专利权

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!

龙图腾网获悉湖南大学申请的专利一种航空发动机叶片表面缺陷识别方法及系统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:CN117649398B

龙图腾网通过国家知识产权局官网在2025-07-18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:202311758620.7,技术领域涉及:G06F16/50;该发明授权一种航空发动机叶片表面缺陷识别方法及系统是由刘敏;张艺琼;马云峰;王学平;王耀南设计研发完成,并于2023-12-20向国家知识产权局提交的专利申请。

一种航空发动机叶片表面缺陷识别方法及系统在说明书摘要公布了:本申请涉及一种航空发动机叶片表面缺陷识别方法及系统,方法包括:获取航空发动机涡轮叶片的表面图像以及图像特征映射关系;根据图像特征映射关系生成表面图像的分割伪标签;获取分割伪标签提供的缺陷位置先验;基于缺陷位置先验增强缺陷区域的特征值,得到增强图像;将增强图像与分割网络的输出连接,得到全局特征,并将全局特征输入至分类网络,得到缺陷预测结果。系统包括:获取模块,伪标签生成模块,缺陷先验挖掘模块,缺陷先验挖掘模块,全局信息提取及分类预测模块。该方法实现了对微小以及弱特征缺陷的精确分类,不需要人工检测,省时省力,同时避免漏检、误检以及其它因素造成的检测精度问题,提高了检测精度以及效率。

本发明授权一种航空发动机叶片表面缺陷识别方法及系统在权利要求书中公布了:1.一种航空发动机叶片表面缺陷识别方法,其特征在于,包括: S1:获取航空发动机涡轮叶片的表面图像以及图像特征映射关系; S2:根据所述图像特征映射关系生成表面图像的分割伪标签,包括: S2.1:将获取的所述图像特征映射关系在第一维度相加,获得MF; S2.2:对MF进行重新分布,计算公式为: ; 其中,MF表示相加后的图像特征映射关系,minMF表示MF的最小值;maxMF表示MF的最大值; S2.3:对重新分布后的MF进行双线性插值,得到特征图; S2.4:使用cannyoperator提取特征图的边缘信息; S2.5:将提取的所述边缘信息沿横坐标相加,得到长度为表面图像宽度的一维数组; S2.6:剔除所有像素值之和小于等于第一阈值的所述一维数组对应的边缘信息横坐标; S2.7:对经过S2.6处理后的所述特征图进行过滤,使用掩码值“0”掩盖像素值大于第二阈值的像素,得到过滤后的特征图; S2.8:基于过滤后的特征图进行opencv库自带的灰度化操作,再进行阈值滤波,即将大于第三阈值的值设置为0,得到所述分割伪标签; S3:获取分割伪标签提供的缺陷位置先验; S4:基于所述缺陷位置先验增强缺陷区域的特征值,得到增强图像,包括: S4.1:基于所述表面图像和所述缺陷位置先验,训练后的分割网络得到输出为2×H×W的矩阵;其中H×W为表面图像的尺寸,2表示输出有两层; S4.2:将第1层输出减去第0层输出,得到一尺寸为H×W的矩阵; S4.3:使用sigmoid函数对所述尺寸为H×W的矩阵进行映射,得到与其尺寸相同的缺陷特征强度矩阵; S4.4:将所述缺陷特征强度矩阵与所述表面图像相乘,得到所述增强图像; S5:将所述增强图像与分割网络的输出连接,得到全局特征,并将所述全局特征输入至分类网络,得到缺陷预测结果。

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:410012 湖南省长沙市岳麓区岳麓山南路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”。

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。