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！

龙图腾网获悉大连理工大学申请的专利基于深度学习的机械零件缺陷智能检测系统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：CN120197512B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510668276.5，技术领域涉及：G06F30/27；该发明授权基于深度学习的机械零件缺陷智能检测系统是由尹继萱设计研发完成，并于2025-05-23向国家知识产权局提交的专利申请。

本基于深度学习的机械零件缺陷智能检测系统在说明书摘要公布了：本发明属于缺陷智能检测技术领域，涉及一种基于深度学习的机械零件缺陷智能检测系统。该系统通过设置参数矩阵获取模块、机械零件量子态数据输出模块、分数维度卷积特征提取模块、机械零件缺陷流形坐标提取模块、流形换位子计算模块和机械零件缺陷置信度输出模块。本发明解决了传统机械零件缺陷检测一般是根据领域内的专业检测人员进行识别，人为检测主观性较强，检测结果误检率高，人为检测检测效率及检测精度低的问题，综合多方面几何信息和决策因素，能更全面、可靠地评估机械零件存在缺陷的可能性，减少人工干预，提高检测效率和一致性。

本发明授权基于深度学习的机械零件缺陷智能检测系统在权利要求书中公布了：1.一种基于深度学习的机械零件缺陷智能检测系统，其特征在于，包括： 参数矩阵获取模块：获取机械零件材料参数矩阵； 机械零件量子态数据输出模块：基于量子场激励的多模态生成模型，输出机械零件量子态数据； 分数维度卷积特征提取模块：对机械零件量子态数据进行分数维度卷积特征提取，并进行量子态解码，得到机械零件分形特征； 机械零件缺陷流形坐标提取模块：构建拓扑流形检测网络，计算流形极值点，从机械零件分形特征中提取机械零件缺陷流形坐标； 流形换位子计算模块：基于机械零件缺陷流形坐标，计算流形换位子； 机械零件缺陷置信度输出模块：进行非交换几何决策融合，输出机械零件缺陷融合置信度； 所述对机械零件量子态数据进行分数维度卷积特征提取，并进行量子态解码，得到机械零件分形特征，具体分析过程为： （1）分数维度卷积特征提取： 获取卷积核，使用Mittag-Leffler函数初始化； 获取数据库中存储的分数阶； 分数阶微分： ；（6）； 式中，为分数阶微分运算的结果函数，为求和指标，为伽马函数，为空间间隔，为量子态数据； （2）分形金字塔构建： 得到初始分形特征，即分形金字塔初始特征； 分形金字塔构建： ；（7）； 式中，是分形金字塔第层特征，是通过对与第个卷积核进行运算，并经变换后得到的分形金字塔下一层特征，N为在分形金字塔构建中，参与计算的卷积核的数量，为与Hausdorff维数相关的变换算子，为卷积核编号；代表卷积运算； 得到分形金字塔最后一层特征； 对分形金字塔最后一层特征进行量子态解码，将复数特征分解为物理量，得到机械零件分形特征； 所述基于机械零件缺陷流形坐标，计算流形换位子，具体分析过程为： 机械零件缺陷流形坐标具体包括X射线机械零件缺陷流形坐标、超声机械零件缺陷流形坐标、红外模态机械零件缺陷流形坐标； 获取数据库中存储的标准Clifford代数定义的Dirac矩阵； 机械零件缺陷流形坐标编码为Clifford数，生成Dirac矩阵基，满足： ；（13）； 其中，为第个维度的Dirac矩阵基，为第个维度的Dirac矩阵基，为闵可夫斯基度规，为单位矩阵，为维度编号，为维度编号，维度为X射线维度、超声维度、红外模态维度； 计算流形换位子，确定缺陷主导方向，非零流形换位子揭示多模态数据冲突，流形换位子值的模长越大，冲突越显著； 获取数据库中存储的缺陷主导方向-缺陷权重因子集合映射集，基于确定的缺陷主导方向，确定匹配的缺陷权重因子集合。

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大连理工大学，其通讯地址为：116000 辽宁省大连市甘井子区凌工路2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”。