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！

龙图腾网获悉华中科技大学申请的专利基于深度学习的复合材料加工表面缺陷检测及评价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：CN115661071B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211311389.2，技术领域涉及：G06T7/00；该发明授权基于深度学习的复合材料加工表面缺陷检测及评价方法是由许剑锋;郑正鼎;骆易葳;张建国;王茂;陈肖;肖峻峰设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本基于深度学习的复合材料加工表面缺陷检测及评价方法在说明书摘要公布了：本发明属于精密加工检测相关技术领域，并公开了一种基于深度学习的复合材料加工表面缺陷检测及评价方法，包括：1拍摄缺陷图像，并对图像进行数据标记；2划分训练集和测试集，并对数据集进行数据增强处理；3将训练集输入深度学习模型进行训练；4将测试集输入已训练好的模型，得到图像中缺陷的类别、位置、区域面积及模型评价指标；5形成评价指标对评价分数的映射。本发明还公开了相应的系统。通过本发明，可实现高准确率、高效率的颗粒增强型复合材料加工表面缺陷检测，实现对检测出的缺陷进行量化评价，能有效指导选取最优工艺参数，因而尤其适用于颗粒增强型复合材料加工表面缺陷检测及评价的应用场合。

本发明授权基于深度学习的复合材料加工表面缺陷检测及评价方法在权利要求书中公布了：1.一种基于深度学习的复合材料加工表面缺陷检测及评价方法，其特征在于，该方法包括： 步骤一、图像获取和标注 拍摄复合材料加工表面的图像，将获得的图像汇总成图像集并执行缺陷标注，由此形成图像数据集； 步骤二、图像数据集划分及数据增强 将步骤一所形成的图像数据集划分成训练集和测试集，分别用来训练模型和测试模型，同时对划分好的训练集进行图像数据增强处理，以扩大训练集的规模； 步骤三、缺陷检测模型训练 将步骤二得到的训练集输入到深度学习模型中，进行模型训练；对于所述深度学习模型而言，其设定如下：它的backbone使用ResNet网络进行特征提取，结合FPN网络进行不同大小特征图输出；通过RPN网络生成proposals，Fast-RCNN网络对RPN生成的proposals进行类别预测与位置微调；Mask分支生成全部类别的Mask，并提取出预测类别相应的Mask； 所述模型训练的过程设计如下： 对所述训练集的缺陷标注框进行K-means聚类，得到合适的anchor尺寸；通过backbone和FPN网络提取不同层次的特征图，通过RPN网络得到proposals，再将其映射回相应层次特征图上得到proposals特征图，其对应关系为： 其中，为所映射的层数，、分别为proposal的宽、高； 此外，通过RoIAlign将不同层次的proposals特征图转化为同一尺寸，再通过两个全连接层，最后经过两个并联的全连接层实现特征图的类别预测和proposal偏移量的预测，Mask分支在训练时输入目标是由RPN提供的proposals； 步骤四、缺陷检测模型测试 将步骤二得到的测试集输入到已训练好的深度学习模型中进行测试，得到图像中的缺陷类别、缺陷位置、缺陷深度、缺陷面积、缺陷面积占比、缺陷区域最小外接矩形长宽，从而获取对应的缺陷评价指标值； 步骤五、缺陷评价 基于步骤四获取的缺陷评价指标值，并结合预设的缺陷评价分数准则，形成评价指标与评价分数之间的映射关系，由此完成整个的检测及评价过程。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。