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！

龙图腾网获悉大连理工大学;大连亚明汽车部件股份有限公司;大连交通大学申请的专利一种基于深度学习的铸件内部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：CN116664479B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310350619.4，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的铸件内部缺陷检测方法是由刘冬;丛明;肖庆阳;方建儒;杜宇;孙心海;武晓轩设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种基于深度学习的铸件内部缺陷检测方法在说明书摘要公布了：本发明提供一种基于深度学习的铸件内部缺陷检测算法，属于工业智能检测技术领域。主干网络采用ResNet‑50，通过加入混合注意力机制，使模型更加关注待检测的缺陷特征，提高模型对于复杂背景、多噪声环境下的缺陷的检测性能；并采用聚类算法来设计锚点，结合多尺度训练，提高模型对多尺度缺陷的检测性能；结合数据增强，消除不同缺陷样本数量不平衡的影响。实验结果表明，本发明提供的算法在IoU＝0.5时其mAP为96.52％，并且检测时间仅为0.024s，可以有效实现复杂场景中的铝合金铸件内部缺陷实时检测。

本发明授权一种基于深度学习的铸件内部缺陷检测方法在权利要求书中公布了：1.一种基于深度学习的铸件内部缺陷检测方法，其特征在于，包括以下步骤： 步骤1：通过铸件内部缺陷检测系统采集图像； 所述铸件内部缺陷检测系统包括高频X射线源、控制台、数字平板探测器、计算机图像处理系统、机械传动控制系统、铅房防护系统；检测时工件置于X射线源和数字平板探测器中间的工作平台上，通过控制台控制机械传动控制系，控制台的工控机通过接口与X射线源进行点对点通信，实现对X射线强度的控制，并与数字平板探测器通信，接收被测工件的X射线成像信息；然后通过计算机图像处理系统来完成图像采集、图像存储、图像处理、图像评定、打印图像功能； 铸件内部缺陷检测系统收集到的铝合金铸件内部缺陷图片，缺陷包括气孔、缩孔、疏松、裂纹； 步骤2：数据集制作与数据增强； 将原始图像和标注有缺陷类别、位置信息的文件作为原始数据集，为了解决数据集中不同缺陷样本数量不平衡等问题，对该数据集进行数据增广；再对增广后的数据集进行随机划分，分别为训练集、验证集、测试集； 步骤3：模型搭建、训练与检测； 缺陷检测算法的主干网络采用ResNet-50残差网络；为了减少X射线图像噪声以及复杂背景的干扰，在Conv3_x、Conv4_x、Conv5_x后加入将通道注意力机制和空间注意力机制混合的注意力模块CS-Block，通过对特征图中不同通道和空间上的特征信息进行进一步筛选，来抑制无关信息，进而增加缺陷所在区域和有效的特征信息在特征图中所占权重，降低背景、噪声等其他信息对缺陷检测的干扰； 在CS-Block模块后加入使用特征金字塔网络结构的多尺度特征融合模块，采用横向连接的方式将浅层特征与上采样后的深层语义信息自上而下依次融合，构建出兼具各级语义信息和缺陷位置信息的多尺度融合特征图；再通过Conv3×3的卷积层对生成的特征图再次进行特征提取，以消除上采样过程可能带来的混叠效应；之后再将多尺度融合后的特征图输入到分类和回归模块； 在分类和回归阶段，在P3、P4、P5预测特征层上分别得到经过Conv3×3的卷积层再次卷积融合后的Mp3、Mp4、Mp5三个多尺度特征图；其中，Mp3对应图像的浅层纹理特征、Mp4对应中间层的过渡特征、Mp5对应图像较深层的语义特征；在Mp5的基础上，依次通过Conv3×3，stride＝2的卷积层得到Mp6、Mp7，对应图像的深层语义特征；最后，在P3、P4、P5、P6、P7等5个预测特征层上进行缺陷的检测； 该缺陷检测算法的预测器由分类子网络和定位子网络两部分组成；其中classsubnet负责预测目标类别，boxsubnet负责预测目标边界框回归参数； 步骤4：改进K-means聚类操作； 在预测时，每个锚点根据目标缺陷的真实标签框与其交并比IoU的大小来衡量缺陷检测的准确度；为了获得适合X射线图像数据集的锚点尺寸，提高模型对数据集中不同尺度缺陷检测的准确率，对数据集中所有缺陷的真实标签框边界通过改进的K-means聚类算法进行统计分析；在计算样本与簇的相似性时，使用1-IoU作为度量标准，替代原K-means算法中的欧氏距离；具体步骤如下： 1设定可聚为同一类别簇的个数k； 2在所有样本中随机选取k个作为簇的初始中心； 3使用1-IoU作为样本与簇的相似性度量标准，计算每个样本的真实标签框离每个簇中心的距离；其计算公式如下： ①根据图片的宽wImage和高hImage归一化真实标签框的宽wGroundTruth和高hGroundTruth，即： ②假设有两个真实标签框：a和b，则a和b的IoU计算公式为： 式中：intersectiona,b表示a和b的交集面积，uniona,b表示a和b的并集面积，计算公式如下： intersectiona,b＝minwa,wb×minha,hb4 uniona,b＝wa×ha+wb×hb5 式中：wa表示a的宽度，ha表示a的高度，wb表示b的宽度，hb表示b的高度； 4比较每个样本到各个簇中心距离1-IoU值，分配到值最小的簇中； 5计算每个簇中所有真实标签框的宽和高的均值作为新的簇中心； 6重复3～5的步骤，直到簇中心不再变化，或变化值达到终止条件。

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大连理工大学;大连亚明汽车部件股份有限公司;大连交通大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。

以上内容由龙图腾AI智能生成。