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！

龙图腾网获悉北京航空航天大学宁波创新研究院申请的专利一种用于深度学习的X射线缺陷检测图像数据增强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：CN113989126B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202111284225.0，技术领域涉及：G06T3/60；该发明授权一种用于深度学习的X射线缺陷检测图像数据增强方法是由傅健;鲁俊逸;张昌盛;明晨设计研发完成，并于2021-11-01向国家知识产权局提交的专利申请。

本一种用于深度学习的X射线缺陷检测图像数据增强方法在说明书摘要公布了：本发明公开一种用于深度学习的X射线缺陷检测图像数据增强方法。该方法包括如下步骤：采集工件的X射线投影图像序列，通过重建算法得到三维CT图像；选取有缺陷的三维CT图像，提取缺陷部分的体素模型并对其进行三维图像变换，构成缺陷库；从所述缺陷库中随机选取缺陷并添加到无缺陷的三维CT图像中，生成有缺陷的三维CT图像；通过前向投影操作生成仿真DR图像，以达到数据增强的目的。本发明实施例通过构建X射线成像数学‑物理模型进行数据增强，相比于传统直接对DR图像进行变换的方法，生成的仿真DR图像集更接近实际射线检测图像，能为基于深度学习的X射线缺陷检测提供海量高质量的数据集，为提高缺陷识别准确率提供重要保障。

本发明授权一种用于深度学习的X射线缺陷检测图像数据增强方法在权利要求书中公布了：1.一种用于深度学习的X射线缺陷检测图像数据增强方法，其特征在于，包括如下步骤： 步骤1、采集工件的X射线投影图像序列，通过重建算法得到三维CT图像； 步骤2、选取含缺陷的三维CT图像，提取含缺陷的三维体素模型并对其进行三维图像变换，构成缺陷库； 步骤3、从所述缺陷库中随机选取若干含缺陷的三维体素模型,将缺陷添加到无缺陷三维CT图像中，生成含缺陷的三维CT图像； 步骤4、设定射线成像仿真中投影几何参数，通过对含缺陷的三维CT图像进行前向投影操作，生成仿真DR图像，以达到数据增强的目的，进而用于缺陷识别深度学习网络的训练； 所述步骤1中，使用如公式（1）所示的FDK算法进行重建，得到三维CT图像： （1） 其中，表示CT重建结果，代表三维直角坐标；为加权因子；表示视角下的投影值，代表投影图像的像素坐标；D表示CT系统的射线 源焦点到工件旋转中心的距离；为滤波器，代表卷积运算； 所述步骤2中，利用含缺陷的三维CT图像中缺陷与工件灰度的差值来提取缺陷，使用公式（2）提取含缺陷的三维体素模型： （2） 其中，、均为三维矩阵；表示三维CT图像中含缺陷的区域，矩阵元素代表对应位置的灰度；表示含缺陷的三维体素模型，矩阵的元素代表缺陷与工件灰度的差值；、、分别是所选区域中背景灰度的最小值、最大值和平均值；表示缺陷灰度的平均值； 所述步骤3中，使用公式（3）添加缺陷，模拟含缺陷的三维CT图像中的灰度和形态特征，从而得到工件各部位含缺陷的三维CT图像： （3） 其中，、和均为三维矩阵；表示无缺陷三维CT图像在添加缺陷后得到的图像，即含缺陷的三维CT图像；表示添加缺陷的区域；表示无缺陷三维CT图像，表示含缺陷的三维体素模型； 所述步骤4中，投影几何参数包括：X射线源和探测器的距离即源探距、X射线源和工件的距离即源物距、工件的摆放角度；在设定的投影几何参数下，对含缺陷的三维CT图像使用如公式（4）所示前向投影算子生成仿真DR图像： （4） 其中，为生成的仿真DR图像，其包含工件及添加缺陷的结构信息，为含缺陷的三维CT图像，L为投影路径。

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北京航空航天大学宁波创新研究院，其通讯地址为：315800 浙江省宁波市北仑区北京航空航天大学宁波创新研究院；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”。