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！

申请/专利权人：深圳欧晟科连接技术股份有限公司

摘要：本发明涉及缺陷检测技术领域，提供了一种基于深度学习对可扭转柳叶簧缺陷检测的方法及系统，包括：采集可扭转柳叶簧对应的柳叶簧图像，提取出柳叶簧图像中的前景主体图像，对前景主体图像进行主体增强处理，得到增强主体图像；提取增强主体图像对应的主体表征，利用缺陷检测模型中的表征采样层对主体表征进行采样处理，得到主体采样表征，利用缺陷检测模型中的缺陷映射层对主体采样表征进行映射处理，得到主体缺陷表征；计算缺陷位置对应的缺陷相速度和缺陷群速度；结合缺陷相速度和缺陷群速度，分析出缺陷位置对应的缺陷属性，确定可扭转柳叶簧对应的柳叶簧缺陷。本发明在于提高可扭转柳叶簧缺陷检测的准确性。

主权项：1.一种基于深度学习对可扭转柳叶簧缺陷检测的方法，其特征在于，所述方法包括：采集可扭转柳叶簧对应的柳叶簧图像，提取出所述柳叶簧图像中的前景主体图像，对所述前景主体图像进行主体增强处理，得到增强主体图像；提取所述增强主体图像对应的主体表征，将所述主体表征和预设缺陷表征输入到预先训练好的缺陷检测模型中，利用所述缺陷检测模型中的表征采样层对所述主体表征进行采样处理，得到主体采样表征，结合所述预设缺陷表征，利用所述缺陷检测模型中的缺陷映射层对所述主体采样表征进行映射处理，得到主体缺陷表征，其中，所述结合所述预设缺陷表征，利用所述缺陷检测模型中的缺陷映射层对所述主体采样表征进行映射处理，得到主体缺陷表征，包括：对所述主体采样表征和所述预设缺陷表征进行向量化处理，得到第一表征向量和第二表征向量；利用所述缺陷映射层中的映射函数计算所述第一表征向量和所述第二表征向量之间的向量映射值；利用所述缺陷映射层中的关联函数计算所述预设缺陷表征和所述主体采样表征之间的表征相关度：所述关联函数包括： ；其中，F表示预设缺陷表征和主体采样表征之间的表征相关度，e和e+1分别表示预设缺陷表征和主体采样表征对应的序列号，表示主体采样表征的表征数量，表示主体采样表征中第e个表征对应的值，表示主体采样表征对应的表征平均值，表示预设缺陷表征中第e+1个表征对应的值，表示预设缺陷表征对应的表征平均值，和分别表示主体采样表征和预设缺陷表征对应的表征标准差，结合所述表征相关度和所述向量映射值，从所述主体采样表征中提取出和所述预设缺陷表征具有关联的特征，得到主体缺陷表征；结合所述主体缺陷表征，确定所述可扭转柳叶簧对应的缺陷位置，利用预设的超声波设备采集所述缺陷位置对应的超声波信号数据，根据所述超声波信号数据，计算所述缺陷位置对应的缺陷相速度和缺陷群速度，其中，所述根据所述超声波信号数据，计算所述缺陷位置对应的缺陷相速度和缺陷群速度，包括：对所述超声波信号数据进行滤波处理，得到滤波信号数据；分析所述滤波信号数据中超声波对应的信号频率，测量所述超声波对应的声波传播周期和声波速度；结合所述声波传播周期和所述声波速度，计算出所述缺陷位置对应的缺陷相速度；根据所述缺陷相速度和所述信号频率，计算出所述缺陷位置对应的缺陷群速度；结合所述缺陷相速度和所述缺陷群速度，分析出所述缺陷位置对应的缺陷属性，结合所述缺陷属性和所述缺陷位置，确定所述可扭转柳叶簧对应的柳叶簧缺陷。

全文数据：

权利要求：

百度查询： 深圳欧晟科连接技术股份有限公司 基于深度学习对可扭转柳叶簧缺陷检测的方法及系统