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！

龙图腾网获悉上海电机学院申请的专利基于深度学习的工业DICOM图像缺陷半自动标注系统及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：CN116485772B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310480377.0，技术领域涉及：G06T7/00；该发明授权基于深度学习的工业DICOM图像缺陷半自动标注系统及方法是由陈云霞;胡海宁;杨洪刚;储钰昆;徐潇;郑喆俊;陈创设计研发完成，并于2023-04-28向国家知识产权局提交的专利申请。

本基于深度学习的工业DICOM图像缺陷半自动标注系统及方法在说明书摘要公布了：本发明提供一种基于深度学习的工业DICOM图像缺陷半自动标注系统及方法，属于工业图像处理技术领域。方法包括：步骤1将工业DICOM图像，导入卷积神经网络，生成卷积神经网络：步骤2基于步骤一生成的卷积神经网络完成模型训练。标注系统集成了标注方法，还集成了KN算法，KN算法用于进行DICOM文件读取。本发明采用深度学习迭代算法对铸造类零件进行半自动标注，训练出来的目标检测模型弥补了人工检测无法量化、容易疲劳的缺点，提高了提高标注的效率和缺陷分析的准确性。且此系统具有精度高，泛化能力强的特点，有效降低人工成本和产品质量风险，具有较好的应用前景。

本发明授权基于深度学习的工业DICOM图像缺陷半自动标注系统及方法在权利要求书中公布了：1.一种基于深度学习的工业DICOM图像缺陷半自动标注方法，其特征在于，所述方法包括： 步骤1将工业DICOM图像，导入卷积神经网络，生成卷积神经网络： 卷积神经网络包括候选区域生成网络及物体检测网络； 其中候选区域生成网络在卷积神经网络的第一部分，负责生成候选区域，由一组卷积层和池化层组成，用于从原始图像中提取特征，在候选区域生成网络中，每个卷积层都会产生一个候选区域，这些候选区域通过池化层进行聚合，生成最终的物体候选区域，候选区域生成网络的输入是原始的输入图像，它的输出是一个张量，其中每个元素表示一个候选区域； 物体检测网络在卷积神经网络的第二部分，负责物体检测，使用CNN层对候选区域进行特征提取，并使用分类器和回归器对物体进行分类和回归；物体检测网络的特征提取层由一组卷积层组成，这些卷积层用于提取图像中的特征； 步骤2基于步骤一生成的卷积神经网络完成模型训练,包括： 步骤21:图像预处理：二值化后用高斯滤波法进行平滑操作，通过二维高斯函数计算高斯核， 图像的高斯滤波需要用离散的模板，连续高斯分布经过采样，量化处理后，可以得到离散的模板且模板需要做归一化处理，离散高斯卷积核的维数为H：2k+1*2k+1； 步骤22:用标注软件LabelImg进行缺陷标注，将数据集图片按照训练集：测试集9:1划分为训练集A1，测试集A2，并把训练集A2进一步做Mixup图像增强，得到训练集B； 步骤23:使用步骤一的卷积神经网络优化训练训练集B，并保存权重文件； 步骤24:同时加载权重文件和训练集A1，对A1进行推理并人工复检，同时迭代训练测试集A2，优化调整阈值参数，并修改坐标信息； 步骤25:在测试集A2上测试模型效果，通过迭代训练后获得最优阈值和坐标参数，此时保存权重文件，完成模型训练。

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上海电机学院，其通讯地址为：201111 上海市闵行区江川路690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。