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！

龙图腾网获悉浙江大学申请的专利一种基于弱监督学习的管道漏磁内检测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：CN116012317B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202211656554.8，技术领域涉及：G06T7/00；该发明授权一种基于弱监督学习的管道漏磁内检测缺陷识别方法是由李春光;杜文飞设计研发完成，并于2022-12-22向国家知识产权局提交的专利申请。

本一种基于弱监督学习的管道漏磁内检测缺陷识别方法在说明书摘要公布了：本发明公开了一种基于弱监督学习的管道漏磁内检测缺陷识别方法。本发明包括以下步骤：对获取到的管道漏磁数据进行预处理；融合漏磁数据多分量的信息构建漏磁图像数据集；根据漏磁数据的特点构建出缺陷语义分割网络MFLSegNet，并使用边界框标签进行填充获得的弱标签训练MFLSegNet；结合漏磁数据在异常处会出现波峰波谷的先验知识，在训练过程中使用填充率指导损失指导模型对弱标签进行迭代优化；采用条件随机场和形态学膨胀操作对模型分割的结果进行后处理，处理后得到最终的缺陷识别结果。本发明仅通过边界框级别的弱标签，实现了对管道缺陷的高效准确分割，能够有效地节省人工标注的成本。

本发明授权一种基于弱监督学习的管道漏磁内检测缺陷识别方法在权利要求书中公布了：1.一种基于弱监督学习的管道漏磁内检测缺陷识别方法，其特征在于，包括如下步骤： （1）对获取到的管道漏磁数据进行预处理； （2）融合漏磁数据多分量的信息构建漏磁图像数据集； （3）根据漏磁数据的特点构建出缺陷语义分割网络MFLSegNet，并使用边界框标签进行填充获得的弱标签训练MFLSegNet；所述MFLSegNet是指针对漏磁数据特点设计的漏磁缺陷分割网络，MFLSegNet的总体结构分为编码器和解码器两部分；编码器采用VGGNet的前4个Block，其包括10个3*3的卷积层和4个最大池化层，解码器包括5个3*3的卷积层、5个批归一化层、5个随机失活层和4个上采样层；MFLSegNet中包含了在编码器中针对性设计的最大池化层、在所有卷积层前设置的改进填充层和在编码器解码器之间添加的空洞金字塔池化模块； （4）结合漏磁数据在异常处会出现波峰波谷的先验知识，在训练过程中使用填充率指导损失指导模型对弱标签进行迭代优化； （5）采用条件随机场和形态学膨胀操作对模型分割的结果进行后处理，处理后得到最终的缺陷识别结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。