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！

龙图腾网获悉中国科学院长春光学精密机械与物理研究所申请的专利基于数据驱动的机械臂超声导波多缺陷检测路径规划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：CN120741652B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202511249855.2，技术领域涉及：G01N29/265；该发明授权基于数据驱动的机械臂超声导波多缺陷检测路径规划方法是由牛旭东;盛磊;娄洪伟设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本基于数据驱动的机械臂超声导波多缺陷检测路径规划方法在说明书摘要公布了：本发明涉及一种基于数据驱动的机械臂超声导波多缺陷检测路径规划方法，涉及无损检测与自动检测技术领域，解决现有技术中没有针对大型板材结构及大型曲面结构的缺陷自动化检测的技术问题。该方法适用的系统包括控制与测试系统和被测试件。本发明应用机械臂携带电磁声学传感器对大型板材、大型曲面结构进行扫描，从而实现对多种不同缺陷的检测、定位与识别；可减少耦合剂的使用、提高检测时效、提高检测精度并实现检测的准确性以及提高对缺陷的定位与识别的精确性；对机械臂的扫描路径进行优化设计，提高检测效率；将采集到的数据作为原始数据集构建深度学习模型和集成CNN模型，实现大型构件、大型曲面结构内部多缺陷的机械臂扫描检测路径规划。

本发明授权基于数据驱动的机械臂超声导波多缺陷检测路径规划方法在权利要求书中公布了：1.一种基于数据驱动的机械臂超声导波多缺陷检测路径规划方法，其特征在于，包括以下步骤： 首先，根据参考缺陷信号和噪声信号，将N次采集到的信号进行后处理，并分析学习，以区分噪声信号以及缺陷信号，同时设定针对被测试件上存在的不同缺陷21的信号幅值阈值；N为采集信号的次数，其取值为任意正整数； 其次，通过电脑11控制机械臂12携带电磁声学传感器13按照预设扫描路径对被测试件进行全局扫描，将采集到的信号进行记录； 将记录的信号与上一步区分后噪声信号以及缺陷信号进行对比分析以确定记录的信号是否为缺陷信号，若是则记录检测到缺陷21的检测位置，并以该检测位置为中心，以与缺陷21之间一定的距离为半径，根据检测位置分布进行多位置检测；若否则按照预设的扫描路径继续对被测试件进行扫描，并重复上述步骤； 判断机械臂12是否完成全局扫描，若是则记录所有缺陷21位置以及类型，记录扫描检测所用时间；若否则按照预设的扫描路径继续对被测试件进行扫描，并重复上述步骤，直至完成全局扫描； 判断是否完成所有备选扫描路径的扫描，若是则对比扫描时间，确定最优的扫描路径，若否则选择不同扫描路径，重复扫描检测流程； 将记录的噪声信号以及缺陷信号进行整理后作为原始数据集，并将原始数据集分为训练集、验证集和测试集； 构建深度学习模型和集成CNN模型，使用训练集数据训练所述集成CNN模型；应用测试集数据来验证训练后的深度学习模型，将所得结果与原始数据集结果对比来判断缺陷21位置以及类型是否准确； 检测位置分布具体为： 以缺陷21位置为，缺陷21检测位置至位于与的距离为的圆周上，按照顺时针或逆时针方向，等间距排列，至代表缺陷21检测位置编号，其中； 深度学习模型输出分类预测结果，该预测结果即为在某特定区域有无缺陷21的概率，缺陷21的具体位置以及类型； 集成CNN模型包括：CNN模型和回归模型两部分；其中，CNN模型用来提取缺陷21的数据特征，回归模型用来建立数据特征和缺陷21位置的关系；使用训练集数据训练所述集成CNN模型； 应用测试集数据来验证训练后的深度学习模型，将所得结果与原始数据集结果对比来判断缺陷21位置以及类型是否准确，若是则将提出的深度学习模型应用于其他被测试件进行扫描检测，若否则应该优化所提出的深度学习模型以及集成CNN模型来提高输出精确性。

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中国科学院长春光学精密机械与物理研究所，其通讯地址为：130033 吉林省长春市经济技术开发区东南湖大路3888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”。

以上内容由龙图腾AI智能生成。