[发明专利]一种基于深度学习的焊缝气孔缺陷自动检测方法在审
| 申请号： | 201810800612.7 | 申请日： | 2018-07-20 |
| 公开（公告）号： | CN108932713A | 公开（公告）日： | 2018-12-04 |
| 发明（设计）人： | 方黎勇;欧阳昌青 | 申请（专利权）人： | 成都指码科技有限公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T7/13 |
| 代理公司： | 成都虹盛汇泉专利代理有限公司 51268 | 代理人： | 王伟 |
| 地址： | 611731 四川省成都*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的焊缝气孔缺陷自动检测方法，包括以下步骤：S1、焊缝区域定位，将二维图像转化为一维序列，运用深度学习的方法构建网络模型，确定焊缝边界位置；S2、气孔缺陷识别，利用YOLO网络实现气孔缺陷识别。本发明降低了基于传统图像算法对图像质量以及参数选取的依赖，进一步提升了算法的鲁棒性，从而实现气孔缺陷的自动检测，本发明的检测方法气孔缺陷检测的准确率达到96％以上，并具备良好的时效性。 | ||
| 搜索关键词： | 气孔缺陷 自动检测 焊缝气孔 算法 参数选取 传统图像 二维图像 焊缝边界 焊缝区域 网络模型 网络实现 一维序列 鲁棒性 时效性 检测 准确率 构建 学习 图像 转化 | ||
【主权项】：
1.一种基于深度学习的焊缝气孔缺陷自动检测方法，其特征在于，包括以下步骤：S1、焊缝区域定位，将二维图像转化为一维序列，运用深度学习的方法构建网络模型，确定焊缝边界位置；S2、气孔缺陷识别，利用YOLO网络实现气孔缺陷识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都指码科技有限公司，未经成都指码科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810800612.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种转子绕组质量检测系统及方法
- 下一篇：冠脉CT图像的斑块分类方法
