申请/专利权人：宝鸡市鹏鑫金属材料有限公司

申请日：2024-04-01

公开（公告）日：2024-06-11

公开（公告）号：CN117974664B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/774;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本申请涉及钵锻件探伤领域，尤其涉及基于图像识别的钵锻件探伤检测方法及系统，方法包括：获取钵锻件图像数据集，标注所述钵锻件图像数据集，获得钵锻件图像数据集的标注数据，将所述钵锻件图像数据集和标注数据输入训练完毕的预设第一网络，得到每一张钵锻件图像数据的低维表征，基于所有钵锻件图像数据的低维表征和标注数据确定新增低维表征，将所述新增低维表征输入解码器，得到新增钵锻件图像，基于钵锻件图像数据集中的钵锻件图像数据和新增钵锻件图像训练分类网络，通过训练完毕的分类网络，完成钵锻件实时图像的探伤检测，通过本申请的技术方案，能够提高钵锻件无损探伤结果的准确性。

主权项：1.基于图像识别的钵锻件探伤检测方法，其特征在于，所述钵锻件探伤检测方法包括：获取钵锻件图像数据集，标注所述钵锻件图像数据集，获得所述钵锻件图像数据集中各钵锻件图像的标注数据；将所述钵锻件图像数据集和标注数据输入训练完毕的预设第一网络，得到每一张钵锻件图像数据的低维表征，所述预设第一网络包括编码器和解码器；基于所有钵锻件图像数据的低维表征和标注数据确定新增低维表征；将所述新增低维表征输入所述解码器，以输出所述新增低维表征对应的新增钵锻件图像；基于所述钵锻件图像数据集中的钵锻件图像数据和所述新增钵锻件图像训练分类网络，以获取训练完毕的分类网络，所述训练完毕的分类网络的输入为钵锻件实时图像，输出为钵锻件实时图像的探伤检测结果；所述预设第一网络的训练方法包括：将一个训练批次的钵锻件图像数据输入到所述编码器，得到所述训练批次中每一张钵锻件图像数据的低维表征；将每一张钵锻件图像数据的低维表征输入到所述解码器，得到所述低维表征对应的生成图像，基于所述生成图像和所述钵锻件图像数据计算所述训练批次的均方差损失值；基于所述标注数据对所述训练批次中所有低维表征进行划分，以获取每种缺陷类型的低维表征集；对于任意一种缺陷类型，在所述低维表征集中计算每一个低维表征的有效权重；根据每种缺陷类型的低维表征集和每一个低维表征的有效权重构建每种缺陷类型的高斯模型；基于所述均方差损失值和所有缺陷类型的高斯模型构建损失函数；依据所述损失函数对所述预设第一网络训练进行反向传播，更新所述编码器和所述解码器，完成一次训练；迭代地更新所述编码器和所述解码器，直至所述损失函数的取值小于设定值，或迭代次数大于设定次数时，得到训练完毕的预设第一网络；所述对于任意一种缺陷类型，在所述低维表征集中计算每一个低维表征的有效权重包括：根据所述缺陷类型的低维表征集，计算每一个低维表征的有效权重，所述有效权重满足关系式： ；其中，为第个训练批次中第个低维表征的有效权重，为第个训练批次的均方差损失值，为在第个低维表征的邻域个数，所述邻域个数为邻域区域内与第个低维表征属于同一种缺陷类型低维表征的个数，为所有低维表征集中任意一个所述低维表征的邻域个数的最大值；所述根据每种缺陷类型的低维表征集和每一个低维表征的有效权重构建每种缺陷类型的高斯模型包括：根据一种缺陷类型的低维表征集中每一个低维表征的有效权重，计算所述缺陷类型的高斯模型均值，所述高斯模型均值计算满足关系式： ；其中，为第种缺陷类型的高斯模型均值，为第种缺陷类型的低维表征集中第个低维表征，为第种缺陷类型的低维表征集中第个低维表征的有效权重，为值的遍历值，为第种缺陷类型低维表征集内低维表征个数；计算所述缺陷类型的高斯模型标准差，高斯模型标准差计算满足关系式： ；其中，为第种缺陷类型的高斯模型标准差，为第种缺陷类型的高斯模型均值，为第种缺陷类型的低维表征集中第个低维表征，为第种缺陷类型的低维表征集中第个低维表征的有效权重，为值的遍历值，为第种缺陷类型低维表征集内低维表征个数；根据一种缺陷类型的低维表征集中每一个低维表征的有效权重，计算所述缺陷类型的高斯模型均值和高斯模型标准差，得到所述缺陷类型的高斯模型；按照同样的方法，得到每种缺陷类型的高斯模型；所述损失函数满足关系式： ；其中，为预设第一网络在第个训练批次中钵锻件图像数据的损失函数值，为第个训练批次中所有低维表征的生成图像和钵锻件图像数据的均方差损失值，为第个批次钵锻件图像数据训练过程中任意两个高斯模型之间散度值的最大值，为超参数，表示取最大值，S为0-1阶跃函数。

全文数据：

权利要求：

百度查询： 宝鸡市鹏鑫金属材料有限公司 基于图像识别的钵锻件探伤检测方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD