Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 西安航空学院于如飞获国家专利权

西安航空学院于如飞获国家专利权

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!

龙图腾网获悉西安航空学院申请的专利基于人工智能的轴承表面缺陷分类方法及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:CN121564445B

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:202610081697.2,技术领域涉及:G06V10/764;该发明授权基于人工智能的轴承表面缺陷分类方法及系统是由于如飞;董桂华;邓娅楠;王子珍设计研发完成,并于2026-01-21向国家知识产权局提交的专利申请。

基于人工智能的轴承表面缺陷分类方法及系统在说明书摘要公布了:本发明涉及图像识别技术领域,具体公开了一种基于人工智能的轴承表面缺陷分类方法及系统。该系统包括图像采集、预处理、多尺度特征提取、结构上下文感知及缺陷分类决策模块,通过级联空洞卷积与注意力机制提取多尺度特征,并利用图神经网络建模缺陷与轴承组件的空间关联性,融合局部细节与结构上下文信息实现高精度缺陷分类,提升对微小缺陷的检测能力与分类准确性。

本发明授权基于人工智能的轴承表面缺陷分类方法及系统在权利要求书中公布了:1.一种基于人工智能的轴承表面缺陷分类系统,其特征在于,包括: 图像采集模块,用于获取轴承表面的高分辨率数字图像; 图像预处理模块,用于对由图像采集模块获取的原始图像进行标准化处理,包括灰度归一化与对比度增强,以消除光照波动影响并凸显潜在缺陷区域; 多尺度特征提取网络,用于接收由图像预处理模块处理后的图像,并采用级联空洞卷积与注意力机制相结合的架构,并行提取图像中从宏观到微观的多层次视觉特征; 结构上下文感知模块,用于接收来自多尺度特征提取网络的多层次特征图,并基于预定义的轴承结构先验知识图谱,对缺陷特征与其所属的轴承结构组件之间的空间关联性进行建模与编码; 所述结构上下文感知模块内置可查询的轴承结构组件语义分割图谱,该图谱精确标注了轴承图像中滚道、滚动体、保持架、内圈、外圈关键组件的像素级区域; 所述结构上下文感知模块对输入的多尺度融合特征图进行坐标映射,将其与轴承结构组件语义分割图谱在空间上进行对齐; 所述结构上下文感知模块执行区域特征聚合操作,针对语义分割图谱中定义的每一个结构组件区域,计算落入该区域内所有特征向量的均值池化结果,作为该结构组件的区域代表性特征; 所述结构上下文感知模块构建图神经网络,其中节点对应于各个轴承结构组件,边代表组件之间的空间邻接关系; 所述结构上下文感知模块将各节点的区域代表性特征作为初始节点嵌入,并通过2层图卷积网络在图上进行消息传递与特征传播,更新每个节点的嵌入表示; 所述图神经网络的消息传递过程中,在第1层图卷积中,每个节点通过聚合其直接相邻节点的特征以及自身特征来更新其表示; 在第2层图卷积中,节点的感受野进一步扩展至其二阶邻域,使每个节点的最终嵌入能够捕获其在整个轴承结构图中的局部拓扑环境信息; 节点特征的更新函数采用基于邻接节点特征加权求和的机制,权重由边的关系类型与可学习的变换矩阵共同决定; 缺陷分类决策模块,用于融合来自多尺度特征提取网络的细节特征与来自结构上下文感知模块的上下文编码信息,通过全连接层与归一化指数函数计算出最终的缺陷类别概率分布。

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西安航空学院,其通讯地址为:710077 陕西省西安市西二环259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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。