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！

龙图腾网获悉重庆师范大学申请的专利超声红外技术中联合时空域特征的深度学习缺陷识别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：CN116188454B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310289861.5，技术领域涉及：G06T7/00；该发明授权超声红外技术中联合时空域特征的深度学习缺陷识别方法是由曾智;谢金芳设计研发完成，并于2023-03-23向国家知识产权局提交的专利申请。

本超声红外技术中联合时空域特征的深度学习缺陷识别方法在说明书摘要公布了：本发明涉及一种超声红外技术中联合时空域特征的深度学习缺陷识别方法，属于无损探伤检测领域，包括：S1：对被测试件施加激励，获得被测物体表面的红外热图序列；S2：选取最优的前景图像数和背景图像数，对热图序列数据进行减背景处理，得到温升热图序列；S3：选取某一时刻处的图像进行阈值分割；S4：将所有试件划分为训练集、验证集和测试集；S5：对二值图像进行标注；S6：在训练集和验证集中根据温升热图序列、阈值分割后的二值图像以及二值图像的标注文件，提取出白色像素点的一维时空域信号；在测试集中提取全部白色区域的一维时空域信号；S7：将时空域信号输入缺陷识别模型，得到含有白色区域的二值图像，白色即为缺陷。

本发明授权超声红外技术中联合时空域特征的深度学习缺陷识别方法在权利要求书中公布了：1.一种超声红外技术中联合时空域特征的深度学习缺陷识别方法，其特征在于：包括以下步骤： S1：使用超声脉冲对被测试件施加激励，使用超声红外热像装置获得被测物体表面的红外热图序列，并将热图序列存储在存储器中； S2：选取最优的前景图像数和背景图像数，对所述热图序列数据进行减背景处理，得到温升热图序列fu,v,t； S3：在温升热图序列fu,v,t中选取某一时刻t0处的图像fu,v,t0进行阈值分割，得到二值图像fbw；步骤S3具体包括以下步骤： S31：计算图像fu,v,t0的直方图：找到其峰值M点，M点的横坐标X1表示峰值对应的温升值，两倍X1的对应位置为X2；然后将图像fu,v,t0中的温升值小于等于X2的值存入数组A，对数组A中的所有值求绝对值得到数组B，计算数组A中大于0的个数s1，以及数组A的长度s2；最后，求出数组B的均值e和均方差； S32：计算系数k的值： 其中，s1是数组A中大于0的个数，s2是数组A中所包含的温升值的个数； S33：基于超声红外温升热图所对应直方图计算阈值T： S34：对图像fu,v,t0进行全局阈值处理，从而获得阈值分割后的二值图像fbw： S4：将所有试件划分为训练集、验证集和测试集； S5：对二值图像fbw进行标注，将白色区域分为缺陷、支撑柱、热反射、喷漆不良四类；在训练集和验证集中热反射和支撑柱的白色区域选取具有代表性的位置，缺陷和坏漆的白色区域全选；在测试集中四种分类的白色区域全选； S6：在训练集和验证集中根据温升热图序列、阈值分割后的二值图像以及二值图像的标注文件，提取出白色像素点的一维时空域信号；在测试集中提取全部白色区域的一维时空域信号； S7：将时域信号和空域信号分别输入到缺陷识别模型的第一阶段和第二阶段模型中，最后得到含有白色区域的二值图像，白色即为缺陷。

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重庆师范大学，其通讯地址为：400047 重庆市沙坪坝区大学城中路37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。