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！

龙图腾网获悉渭南师范学院申请的专利一种基于深度学习的铸件内部缺陷检测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：CN119599962B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202411633305.6，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的铸件内部缺陷检测方法是由何冰;王晶;林关成;彭程;席文强;蒋涛;刘礼涵设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种基于深度学习的铸件内部缺陷检测方法在说明书摘要公布了：本发明属于铸件生产全流程自动化及智能化领域，提供了一种基于深度学习的铸件内部缺陷检测方法，包括：待检测图像拍摄、HDR图像增强处理、一键图像增强处理和掩码图像融合、工业X射线AI网络检测、后处理操作以及数据统计。本发明通过构建工业X射线AI网络避免了常规缺陷检测时依赖人员经验和精度较差的缺陷；通过HDR图像增强处理、一键图像增强处理以及掩码图像融合，降低了检测器件结构复杂、拍摄设备自身缺陷以及噪点的影响。

本发明授权一种基于深度学习的铸件内部缺陷检测方法在权利要求书中公布了：1.一种基于深度学习的铸件内部缺陷检测方法，其特征在于，包括： 采集待检测铸件工件图像，得到待检测16位X光图像； 利用HDR图像增强处理将所述待检测16位X光图像转换为8位图像，得到待检测预处理图像； 对待训练预处理图像进行一键图像增强处理以及融合根据用户设置的ROI检测区域参数生成的掩码图像，得到待检测前处理数据； 将所述待检测前处理数据输入到预训练的工业X射线AI网络中进行检测，得到检测数据； 对所述检测数据进行后处理操作，得到后处理数据；所述后处理操作包括：原图缺陷显示和图像预测； 对所述后处理数据进行数据统计，得到输出结果，并根据文件类型对所述输出结果内的缺陷数据进行保存； 所述工业X射线AI网络的训练过程，包括： 采集现有铸件工件图像，得到待训练16位X光图像； 利用HDR图像增强处理将所述待训练16位X光图像转换为8位图像，得到待训练预处理图像； 对所述待训练预处理图像进行一键图像增强处理，得到待训练前处理数据；所述一键图像增强处理包括：亮度调整、对比度调整、滤波以及锐化； 利用基于GAN网络的AI网络生成算法对所述待训练前处理数据进行图像生成，得到生成数据； 对所述待训练前处理数据和所述生成数据进行组合和基于SR算法的超分辨率增强操作，得到SR数据； 分别对所述待训练前处理数据和所述生成数据进行标注数据共享和组合配对，并对所述SR数据进行缺陷标注，得到二值图格式的原始配对数据集； 对所述原始配对数据集进行数据增强操作，得到泛化数据集；所述数据增强操作包括：旋转、缩放、剪切以及噪声添加； 根据预设的跟配比例将所述泛化数据集随机分为验证数据集和训练数据集； 将所述验证数据集和所述训练数据集组合得到的预训练数据集输入到W-Net网络中利用GPU进行模型训练，得到训练完成的所述工业X射线AI网络； AI工业网络模型利用跳跃及残差连接的方式，通过级联三个U型网络对铸件图像特征进行深度提取，同时在跳跃连接的过程中融合了通道注意力和空间注意力机制，并且结合多种激活函数；具体实现过程如下：首先，通过第一个U型网络提取铸件图像的低频特征信息，该过程涉及4次下采样操作和4次上采样操作；其次，使用第二个U型网络捕获铸件图像的中频信息，该过程也涉及4次下采样操作和4次上采样操作，同时为了避免连续堆叠导致网络参数增加的问题，使用桥联及残差的连接方式来级联前后两个网络；最后，第三个U型网络用来主要获得精细的图像细节部分，即高频成分信息，该过程同样涉及4次下采样和4次上采样； 所述工业X射线AI网络的识别对象包括：气孔、夹渣、疏松、裂纹以及缩孔。

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渭南师范学院，其通讯地址为：714099 陕西省渭南市站南路24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。