-
公开(公告)号：CN115266774B
公开(公告)日：2024-02-13
申请号：CN202210905211.4
申请日：2022-07-29
Applicant: 中国特种设备检测研究院
IPC: G01N23/04 , G06T7/00 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于人工智能的射线检测评片方法，包括以下步骤：步骤1：对射线检测图像进行gamma变换和clahe直方图均衡处理；步骤2：对图像像素进行统计，识别像质计可见丝数；步骤3：利用yolov5s算法训练并得到像质计编号检测模型；步骤4：利用yolov5n算法对焊缝缺陷进行训练，增加检测效果差的缺陷权重，提高小样本识别效果；步骤5：结合像质计编号检测信息和步骤2中丝数，求出最小丝数对应的编号，判断图像质量；步骤6：将图像进行步骤1处理，输入缺陷检测模型，输出缺陷坐标和类别信息并输出焊缝坐标，根据焊缝位置，排除误检；步骤7：结合数字图像处理，识别缺陷尺寸。本发明采用AI技术，并根据缺陷特点加入有效的优化手段，使检测效率大幅度提升。
-
公开(公告)号：CN116804533A
公开(公告)日：2023-09-26
申请号：CN202310695386.1
申请日：2023-06-13
Applicant: 中国特种设备检测研究院
Abstract: 本发明属于气瓶测试技术领域，公开了一种新型气瓶容积残余变形率测量方法，包括以下步骤：S1、在气瓶打压前、保压后和泄压后三个阶段，利用三维激光扫描仪对气瓶轮廓进行扫描，采集气瓶轮廓的三维点云数据；S2、基于三维点云数据，利用工程软件逆向重构气瓶几何模型；S3、根据气瓶几何模型，计算出气瓶打压前的容积V1、保压后的容积V2和泄压后的容积V3；S4、利用气瓶容积残余变形率公式计算得到测量结果。本发明能够解决传统的内测法和外测法测量过程复杂、工作量大、周期长、成本高的问题。
-
公开(公告)号：CN114062379A
公开(公告)日：2022-02-18
申请号：CN202111305171.1
申请日：2021-11-05
Applicant: 中国特种设备检测研究院
IPC: G01N21/90
Abstract: 本发明属于特殊压力容器内检测技术领域，公开了一种大型瓶式容器及长管拖车钢瓶内检测方法及系统，所述大型瓶式容器及长管拖车钢瓶内检测系统设置有：用以为检测推进模组和旋转模组提供支撑作用的加长轴；通过推进旋转结构带动钢瓶内检测模组前后调整位置的检测推进模组；通过电机旋转，实现长轴的夹紧或松开的旋转模组；用以检测钢瓶内壁缺陷的钢瓶内检测模组。钢瓶内检测模组放入到钢瓶内侧，钢瓶内检测模组通过长轴与加长轴连接，加长轴上安装有检测推进模组和旋转模组，检测推进模组上侧设置有电推杆。本发明最主要的是从根本上解决了这类小通口大内径甁式容器无法有效实施内部检测的巨大技术难题，跨越了“瓶颈”。
-
公开(公告)号：CN120071283A
公开(公告)日：2025-05-30
申请号：CN202510142373.0
申请日：2025-02-10
Applicant: 中国特种设备检测研究院
Abstract: 本申请提出一种巡检机器人图像识别方法及巡检机器人，该方法包括：机器人采集巡检图像，预处理后提取关键特征，利用目标检测算法定位待检测目标并计算其位置、大小和形状。将这些信息与预定义目标特征库匹配，计算特征匹配度，并结合图像上下文信息得出识别结果的置信度。设定置信度阈值，高于阈值则确认目标，否则标记为疑似目标进行二次核查或人工确认。此方法通过综合特征匹配度和图像信息，提高了识别可靠性，增强了鲁棒性，在复杂环境中保持高准确率，并能显著降低误报和漏报。
-
公开(公告)号：CN118604125A
公开(公告)日：2024-09-06
申请号：CN202410745952.X
申请日：2024-06-11
Applicant: 中国特种设备检测研究院
Abstract: 本发明公开了基于声波的埋地管道外防腐层剥离内检测方法，包括以下步骤：S1：在对比试验管中放置检测设备，轴向布置声波发射和接收传感器，声波发射传感器发射声波，经传播路径“管内液体介质—管壁—管内液体介质”到达接收传感器，声波波列中首波的幅度值，即基准值Afp；S2：利用S1的方法在埋地管道内得到声波波列中首波的幅度值，即实测声波幅度值A；S3：利用实测声波幅度值A与基准值Afp计算相对声幅值U，判定该测量点管道外防腐层剥离损伤状况；S4：在管道内液体介质作用下驱动检测设备在管道内连续检测。本发明根据埋地管道结构特点，通过不开挖方式对埋地管道外防腐层剥离损伤进行快速、准确的检测，并满足检测精度和纵向分辨率的要求。
-
Patent Agency Ranking
公开(公告)号：CN117523552A
公开(公告)日：2024-02-06
申请号：CN202311199932.9
申请日：2023-09-18
Applicant: 中国特种设备检测研究院
IPC: G06V20/69 , G06V10/44 , G06V10/774 , G06V10/82 , G06V10/764 , G06T7/13 , G06N3/0464 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于神经网络的金相组织智能识别方法，涉及金属图像识别技术领域，其技术方案要点是：包括以下步骤：S1、图像质量检测；S2、金相组织图像标注，采用多组织标注；S3、构造金相组织图像数据集；S4、训练数据清洗，随机抽取数据集中的部分数据作为训练集进行训练；S5、ResNet网络训练，并输出识别结果。本发明提出一种基于神经网络的金相组织智能识别方法，避免人工评定带来的主观误差，使分析结果更加客观准确，并能减少专家重复性工作，弥补有经验的金相分析人员不足，是一种快速、准确的智能识别手段。
-
公开(公告)号：CN117030717A
公开(公告)日：2023-11-10
申请号：CN202310876626.8
申请日：2023-07-18
Applicant: 中国特种设备检测研究院
IPC: G01N21/88
Abstract: 本发明属于大型设备供电设施滑触线损伤检测技术领域，公开了一种滑触线损伤检测方法，该方法需要的设备包括巡检车本体，连接有驱动组件、蓄电池、工控机、陀螺仪、支撑组件和检测组件，驱动组件与蓄电池和工控机连接以驱动行走轮自主行走；陀螺仪用于检测巡检车的实时姿态，计算出偏离初始水平面的距离，修正接触轨底部位移数值；支撑组件用于将检测组件支撑于滑触线底部；支撑组件连接有检测组件，进而连接有激光位移传感器、摄像头及相应的紧固件，检测组件用于搭载激光位移传感器、摄像头，激光位移传感器用于检测与滑触线本体接触轨底部的位移量变化，摄像头用于采集接触轨底部的图像信息，对滑触线烧蚀情况进行实时、高精度检测。
-
公开(公告)号：CN115193741B
公开(公告)日：2024-02-20
申请号：CN202211005789.0
申请日：2022-08-22
Applicant: 中国特种设备检测研究院
Abstract: 本发明公开了射线底片自动分拣系统，包括射线底片自动分拣系统所需的分拣装置、单片机、上位机，所述分拣装置包括支架、射线底片扫描仪和动作执行机构，所述动作执行机构分为进片区、出片区、转向区及分拣区，所述进片区包括第一电机和第一红外传感器，所述出片区包括第二电机和第三电机，所述转向区包括第四电机、第五电机和第二红外传感器，所述分拣区包括第六电机、第七电机、第三红外传感器、第四红外传感器、第五红外传感器和第六红外传感器。本发明中的装置系统可代替人工实现对工业射线底片的自动分拣，相较于目前现有的人工分拣，具备效率高、成本低、技术复用性好、客观、可全时段工作等优势。
-
公开(公告)号：CN117473247A
公开(公告)日：2024-01-30
申请号：CN202311208485.9
申请日：2023-09-19
Applicant: 中国特种设备检测研究院
IPC: G06F18/20 , G06F18/213 , G06F18/25 , G06F18/214 , G06N3/0455 , G06N3/08 , G06F16/215
Abstract: 本发明公开了一种检验大数据下基于人工智能的设备健康状态评估方法，涉及承压类特种设备健康评估技术领域，其技术方案要点是：S1、检验要素提取，构建信息提取的模型，建立健康设备检验要素样本集，提取特征和构造特征集合；S2、使用上述特征集合训练深度自编码器；S3、将训练好的深度自编码器，用于待评估的设备检验要素特征，计算重构误差；S4、利用重构误差，计算健康指标。本发明可以从大量的检验数据中提取出关键信息并将其转化为数值特征，然后利用深度自编码器重构误差构建健康指标，实现设备健康状态的定量评估。该方法的评估准确性和效率高，评估成本低，还具有很强的扩展性，为其他领域的设备健康状态评估提供参考和借鉴。
-
公开(公告)号：CN117451856A
公开(公告)日：2024-01-26
申请号：CN202311199826.0
申请日：2023-09-18
Applicant: 中国特种设备检测研究院
Abstract: 本发明公开了基于深度学习的焊接接头TOFD检测缺陷自动识别方法，涉及超声波无损检测技术领域，其技术方案要点是：通过构建典型缺陷TOFD检测图谱样本库，实现从图像与原始波形维度的缺陷特征提取并融合，将其分别与单阶段目标检测算法和生成对抗机制结合，构建异常焊缝分类模型和TOFD检测缺陷识别模型，联合异常焊缝分类模型与TOFD检测缺陷识别模型形成最终的TOFD检测缺陷高效识别模型，该模型能够快速、精准地实现TOFD检测缺陷的自动识别，完成缺陷的定位、分类及定量测量，全面提升TOFD检测图谱分析的效率、准确性、客观性及科学性，并将相关领域知识通过本模型进行固化，提升TOFD检测缺陷诊断知识复用性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
