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！

龙图腾网恭喜大连交通大学申请的专利一种基于宽度学习的风机叶片表面损伤分类识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114037867B 。

龙图腾网通过国家知识产权局官网在2025-03-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111298687.8，技术领域涉及：G06V10/764；该发明授权一种基于宽度学习的风机叶片表面损伤分类识别方法是由邹丽;王煜;孙屹博设计研发完成，并于2021-11-04向国家知识产权局提交的专利申请。

本一种基于宽度学习的风机叶片表面损伤分类识别方法在说明书摘要公布了：本发明涉及计算机视觉技术领域，具体公开了一种基于宽度学习的风机叶片表面损伤分类识别方法，包括如下步骤：采集风机叶片图像；将采集到的风机叶片图像进行预处理，通过非局部均值滤波算法对风机叶片图像进行去噪处理；将去噪后的风机叶片图像，通过宽度学习方法提取特征向量；将风机叶片图像的特征向量输入分类器，生成风机叶片损伤识别模型；将待识别的风机叶片图像进行非局部均值滤波算法去噪处理后，输入风机叶片损伤识别模型中，输出风机叶片图像的损伤识别结果。本发明具有横向扩展和增量学习两个优势，计算速度快，当模型精度不够时，仅需横向扩展增强节点，当新增数据时，仅需训练新增数据，操作简单，计算迅速。

本发明授权一种基于宽度学习的风机叶片表面损伤分类识别方法在权利要求书中公布了：1.一种基于宽度学习的风机叶片表面损伤分类识别方法，其特征在于，包括如下步骤：S1.采集风机叶片图像；S2.将采集到的风机叶片图像进行预处理，通过非局部均值滤波算法对风机叶片图像进行去噪处理；所述步骤S2包括：S201.将风机叶片图像调为m行*n列，在图像中取点Px，y为待滤波点，以点P为中心，取ksize行*ksize列区域为邻域块，取ssize行*ssize列区域为搜索窗口，并对风机叶片图像边缘扩充；S202.将边缘扩充后的风机叶片图像上边缘剪裁half_ssize行、下边缘剪裁half_ssize行、左边缘剪裁half_ssize列、右边缘剪裁half_ssize列，获得图像A；S203.将搜索窗口内当前计算点与待滤波点的位置偏移x_offset，y_offset，得到与图像A的行、列均相同的图像B；S204.计算相同坐标点的像素差值C，像素差值C＝A-B；S205.计算每一对相同坐标点的像素差值的平方，C的平方图D＝C*C；S206.通过分块并行的方法计算平方图D的位置偏移的积分图；所述步骤S206包括：S2061.将m行*n列的风机叶片图像每一行数据分成每4个数据的数据块，开启m*n4个线程，每个线程计算一个小块中4个数据的前缀和，所有线程并行计算；S2062.开启m个线程，每个线程对应一行数据，计算该行中所有小块中最后一个数据的前缀和；S2063.开启m*n4个线程，每个线程对应一个小块，每一行从第2个小块开始，除最后一个数外，将每小块中的数加上它的前一小块的最后一个数，得到所有行的前缀和；S2064.将每一列数据分成每4个数据的数据块，开启m4*n个线程，每个线程计算一个小块中4个数据的前缀和，所有线程并行计算；S2065.开启n个线程，每个线程对应一列数据，计算该列中所有小块中最后一个数据的前缀和；S2066.开启m4*n个线程，每个线程对应一个小块，每一列从第2个小块开始，除最后一个数外，将每小块中的数加上它的前一小块的最后一个数，得到原图的积分图D；S207.得到积分图后，根据当待滤波点在积分图上对应的位置取得其积分图邻域块，计算邻域块与积分图邻域块的均方误差相似度；S208.通过均方误差相似度计算权重；S209.计算滤波值并输出去噪后的风机叶片图像；S3.将去噪后的风机叶片图像，通过宽度学习方法提取特征向量；S4.将风机叶片图像的特征向量输入分类器，生成风机叶片损伤识别模型；S5.将待识别的风机叶片图像进行非局部均值滤波算法去噪处理后，输入所述风机叶片损伤识别模型中，输出风机叶片图像的损伤识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人大连交通大学，其通讯地址为：116000 辽宁省大连市沙河口区黄河路794号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。