公开(公告)号：CN119048500B

公开(公告)日：2025-01-03

申请号：CN202411525360.3

申请日：2024-10-30

Applicant: 湖南大学

Inventor： 刘敏 ,  蒋帅 ,  刘禹希 ,  马云峰 ,  程曦航 ,  王耀南

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/0895 ,  G06V10/26 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82

Abstract: 本申请涉及一种基于弱监督学习的航空发动机叶片缺陷检测方法，获取航空发动机涡轮叶片的表面图像，并对其进行类别标注；基于表面图像及其对应的类别标签，利用分类网络得到缺陷初步定位图，并生成对应的缺陷区域边界框；基于缺陷区域边界框对表面图像和缺陷初步定位图进行取块，构造图块对，并对图块对进行聚类分析；在聚类结果中选择一簇向量，对选择的向量在缺陷初步定位图和表面图像上映射的区域进行自适应抑制；将抑制后的表面图像以及缺陷初步定位图进行融合，并输入至分类网络，得到缺陷更新定位图；基于缺陷更新定位图转换得到更新的缺陷区域边界框；将表面图像和更新的缺陷区域边界框输入至视觉分割模型，得到缺陷分割结果。

公开(公告)号：CN119205810A

公开(公告)日：2024-12-27

申请号：CN202411261011.5

申请日：2024-09-10

Applicant: 湖南大学

Inventor： 刘敏 ,  林遥 ,  刘禹希 ,  姚钊 ,  马云峰 ,  王耀南

IPC: G06T7/11 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0985

Abstract: 本申请涉及一种基于神经网络架构搜索的工业缺陷分割方法，包括：通过跨尺寸权重共享策略使权重初始化的卷积神经网络、Transformer、多层感知机在不同尺寸下互相共享权重；构建搜索空间，将权重共享处理后的卷积神经网络、Transformer、多层感知机放入搜索空间；搜索空间用于同时搜索三种网络；基于搜索空间中三种网络的所有组合构建超网络，并训练超网络；对训练好的超网络进行进化搜索，得到最优子网络；基于预处理的工业产品表面缺陷数据集训练最优子网络，基于训练好的最优子网络构建缺陷分割模型；将待检测图像输入至缺陷分割模型输出像素级分割结果。该方法解决了传统检测方法在精度、效率和适应性方面的不足。

公开(公告)号：CN118628499A

公开(公告)日：2024-09-10

申请号：CN202411110848.X

申请日：2024-08-14

Applicant: 湖南大学

Inventor： 刘敏 ,  唐毅 ,  刘禹希 ,  马云峰 ,  王耀南

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/126 ,  G06T7/60

Abstract: 本申请涉及一种基于网络架构搜索的航空发动机叶片缺陷检测方法，包括：对卷积神经网络和视觉Transformer网络的架构、参数进行统一，并整合为超级网络的架构；构建超级网络的架构搜索目标函数；基于ImageNet数据集以及缺陷检测数据集训练超级网络，并更新超级网络的互信息；采用进化算法，并基于架构搜索目标函数以及互信息搜索出超级网络的最优网络架构；根据识别准确率对最优网络架构进行筛选，将筛选出的最优网络架构作为特征提取网络的检测框架；将待检测的航空发动机叶片图像输入至检测框架，得到缺陷检测结果。该方法能够根据场景的变化自动设计出符合当前场景的最优神经网络架构。

公开(公告)号：CN119048500A

公开(公告)日：2024-11-29

申请号：CN202411525360.3

申请日：2024-10-30

Applicant: 湖南大学

Inventor： 刘敏 ,  蒋帅 ,  刘禹希 ,  马云峰 ,  程曦航 ,  王耀南

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/0895 ,  G06V10/26 ,  G06V10/762 ,  G06V10/764 ,  G06V10/82

Abstract: 本申请涉及一种基于弱监督学习的航空发动机叶片缺陷检测方法，获取航空发动机涡轮叶片的表面图像，并对其进行类别标注；基于表面图像及其对应的类别标签，利用分类网络得到缺陷初步定位图，并生成对应的缺陷区域边界框；基于缺陷区域边界框对表面图像和缺陷初步定位图进行取块，构造图块对，并对图块对进行聚类分析；在聚类结果中选择一簇向量，对选择的向量在缺陷初步定位图和表面图像上映射的区域进行自适应抑制；将抑制后的表面图像以及缺陷初步定位图进行融合，并输入至分类网络，得到缺陷更新定位图；基于缺陷更新定位图转换得到更新的缺陷区域边界框；将表面图像和更新的缺陷区域边界框输入至视觉分割模型，得到缺陷分割结果。

公开(公告)号：CN118628499B

公开(公告)日：2024-10-29

申请号：CN202411110848.X

申请日：2024-08-14

Applicant: 湖南大学

Inventor： 刘敏 ,  唐毅 ,  刘禹希 ,  马云峰 ,  王耀南

IPC: G06T7/00 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/126 ,  G06T7/60

Abstract: 本申请涉及一种基于网络架构搜索的航空发动机叶片缺陷检测方法，包括：对卷积神经网络和视觉Transformer网络的架构、参数进行统一，并整合为超级网络的架构；构建超级网络的架构搜索目标函数；基于ImageNet数据集以及缺陷检测数据集训练超级网络，并更新超级网络的互信息；采用进化算法，并基于架构搜索目标函数以及互信息搜索出超级网络的最优网络架构；根据识别准确率对最优网络架构进行筛选，将筛选出的最优网络架构作为特征提取网络的检测框架；将待检测的航空发动机叶片图像输入至检测框架，得到缺陷检测结果。该方法能够根据场景的变化自动设计出符合当前场景的最优神经网络架构。