公开(公告)号：CN112862811A

公开(公告)日：2021-05-28

申请号：CN202110259892.7

申请日：2021-03-10

Applicant: 华中科技大学 ,  中信戴卡股份有限公司

Inventor： 曹元成 ,  徐佐 ,  沙武鑫 ,  朱志华 ,  武汉琦 ,  程丹芃 ,  曹志成

IPC: G06T7/00 ,  G06T7/10 ,  G06T7/70 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供了一种基于深度学习的材料显微图像缺陷识别方法、设备及装置。首先采用分类标记对获取的材料结构显微图像进行缺陷标注；然后利用仿射变换将样本图片集分割形成训练集；接着利用含有分类标注的训练集对预先构建的缺陷识别模型进行训练；最后利用训练好的缺陷识别模型对待识别缺陷样本进行缺陷检测，获得目标缺陷样本中的缺陷类别与位置。本发明采用分类标注的方法对缺陷图像进行标注，并综合卷积神经网络模型、区域生成模型和语义分割模型，从而实现高精度的图像分割和识别，提高缺陷识别的速度和精度，有助于推动合金工业的智能化进展，加速第四次工业革命在金属铸造行业的应用。

公开(公告)号：CN112862811B

公开(公告)日：2023-06-13

申请号：CN202110259892.7

申请日：2021-03-10

Applicant: 华中科技大学 ,  中信戴卡股份有限公司

Inventor： 曹元成 ,  徐佐 ,  沙武鑫 ,  朱志华 ,  武汉琦 ,  程丹芃 ,  曹志成

IPC: G06T7/00 ,  G06T7/10 ,  G06T7/70 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供了一种基于深度学习的材料显微图像缺陷识别方法、设备及装置。首先采用分类标记对获取的材料结构显微图像进行缺陷标注；然后利用仿射变换将样本图片集分割形成训练集；接着利用含有分类标注的训练集对预先构建的缺陷识别模型进行训练；最后利用训练好的缺陷识别模型对待识别缺陷样本进行缺陷检测，获得目标缺陷样本中的缺陷类别与位置。本发明采用分类标注的方法对缺陷图像进行标注，并综合卷积神经网络模型、区域生成模型和语义分割模型，从而实现高精度的图像分割和识别，提高缺陷识别的速度和精度，有助于推动合金工业的智能化进展，加速第四次工业革命在金属铸造行业的应用。

公开(公告)号：CN113344024B

公开(公告)日：2022-04-12

申请号：CN202110435874.X

申请日：2021-04-22

Applicant: 华中科技大学

Inventor： 曹元成 ,  曹志成 ,  张炜鑫

IPC: G06K9/62 ,  G06N3/04 ,  G01R31/367 ,  G01R31/378 ,  G01R31/382

Abstract: 本发明提供了一种锂离子电池热失控分级预警方法及预警系统。该方法采用无故障的电池特征要素对长短期记忆网络、时间卷积网络和GRU神经网络构成的预测模型的热失控预测能力进行训练；接着将待监控电池在时间序列上的电池特征要素输入至预测模型，得到某一时刻的正常状态下的预测值，然后与采集到的该时刻对应的真实值比较，两者相差越大表明电池热失控风险越大。如此操作，既综合了各自的优势，又避免了各自模型训练出来的系数偏差过大问题，从而实现高精度的电池热失控分级检测，提高锂离子电池热失控预警的速度和精度。

公开(公告)号：CN113344024A

公开(公告)日：2021-09-03

申请号：CN202110435874.X

申请日：2021-04-22

Applicant: 华中科技大学

Inventor： 曹元成 ,  曹志成 ,  张炜鑫

IPC: G06K9/62 ,  G06N3/04 ,  G01R31/367 ,  G01R31/378 ,  G01R31/382

Abstract: 本发明提供了一种锂离子电池热失控分级预警方法及预警系统。该方法采用无故障的电池特征要素对长短期记忆网络、时间卷积网络和GRU神经网络构成的预测模型的热失控预测能力进行训练；接着将待监控电池在时间序列上的电池特征要素输入至预测模型，得到某一时刻的正常状态下的预测值，然后与采集到的该时刻对应的真实值比较，两者相差越大表明电池热失控风险越大。如此操作，既综合了各自的优势，又避免了各自模型训练出来的系数偏差过大问题，从而实现高精度的电池热失控分级检测，提高锂离子电池热失控预警的速度和精度。