龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：大连海洋大学
申请日：2024-04-01
公开（公告）日：2024-06-28
公开（公告）号：CN118262164A
主分类号：G06V10/764
分类号：G06V10/764;G06T7/00;G06N3/0464;G06N3/0985;G06V10/44;G06V10/80;G06V10/82;G06N3/048
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：一种基于深度学习的管道焊缝超声相控阵缺陷识别方法，属于管道焊缝超声相控阵缺陷识别技术领域。所述的管道焊缝超声相控阵缺陷识别方法对传统YOLOv5的主干网络和颈部网络上进行改进。首先，对金属管道焊缝进行扫查，采集原始PAUT信号，作为原始数据图像；其次，构建PAUT数据集，并对其进行划分；第三，设计主干网络提取缺陷特征；第四，设计颈部网络融合不同尺度的特征信息，利用数据集中的训练集和验证集训练网络模型并利用测试集验证模型效果。本发明设计的基于改进后的FasterNet主干网络和WGFPN颈部网络构成的PAUT缺陷识别网络，能够改善原始网络中特征冗余、特征信息不明显、无效分支干扰等问题，使网络模型更加关注于缺陷与背景的区分上，从而能够更高效、精确的识别PAUT缺陷任务。
主权项：1.一种基于深度学习的管道焊缝超声相控阵缺陷识别方法，其特征在于，所述的管道焊缝超声相控阵缺陷识别方法对传统YOLOv5的主干网络和颈部网络上进行改进，提高模型对超声相控阵缺陷的检出率与准确率；所述方法首先，对金属管道焊缝进行扫查，采集原始PAUT信号，作为原始数据图像；其次，构建PAUT数据集，并对其进行划分；第三，设计主干网络提取缺陷特征；第四，设计颈部网络融合不同尺度的特征信息，利用数据集中的训练集和验证集训练网络模型并利用测试集验证模型效果。
全文数据：
权利要求：
百度查询： 大连海洋大学 一种基于深度学习的管道焊缝超声相控阵缺陷识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号