申请/专利权人：斯凯孚公司;斯凯孚航空法国公司

申请日：2022-10-26

公开（公告）日：2024-07-05

公开（公告）号：CN118302800A

主分类号：G06V10/143

分类号：G06V10/143;F16C19/00;G06V10/20;G06V10/26;G06V10/44;G06V10/778;G06V10/80;G06V10/82;F16C19/52;F16C33/32;F16C33/34

优先权：["20211108 FR FR2111796"]

专利状态码：在审-公开

法律状态：2024.07.05#公开

摘要：用于训练深度学习算法ALGO2以检测陶瓷滚动元件2中的缺陷的系统1包括：‑用于捕获包括缺陷和不包括任何缺陷的滚动元件2的数字射线照相图像集DATA1的装置3，‑过滤装置6，‑用于基于经过滤的射线照相图像集DATA2生成数据集DATA3的装置7，‑实施装置8，‑配置成基于射线照相图像集DATA1训练深度学习算法ALGO2的训练装置10，以及‑比较装置12，其配置成比较由统计学习算法ALGO1执行的图像集中的图像的分类和由深度学习算法ALGO2执行的图像集中的图像的分类，以便确定深度学习算法的分类相对于由统计学习算法执行的分类的准确性。

主权项：1.一种用于训练深度学习算法ALGO2以检测陶瓷滚动元件2中的缺陷的方法，包括：-捕获包含缺陷和不包含任何缺陷的滚动元件2的数字射线照相图像集DATA1，-第一次过滤图像集DATA1中的每个图像，以便提高每个图像的对比度，-基于经过滤的射线照相图像集DATA2生成数据集DATA3，-基于数据集DATA3，使用统计学习算法ALGO1将射线照相图像集DATA1中的每个图像分类成可疑滚动元件类CL1或非可疑滚动元件类CL2，-基于射线照相图像集DATA1训练深度学习算法ALGO2，使得该深度学习算法将射线照相图像集中的每个图像分类成可疑滚动元件类CL1或非可疑滚动元件类CL2，以及-比较由统计学习算法ALGO1执行的图像集中的图像的分类和由深度学习算法ALGO2执行的图像集中的图像的分类，以便确定深度学习算法的分类相对于由统计学习算法执行的分类的准确性。

全文数据：

权利要求：

百度查询： 斯凯孚公司 斯凯孚航空法国公司 用于训练深度学习算法的系统和相关方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD