買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉湖南大學(xué)申請(qǐng)的專利一種風(fēng)機(jī)葉片表面損傷檢測(cè)方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119887790B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-06-20發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510393184.0，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種風(fēng)機(jī)葉片表面損傷檢測(cè)方法及系統(tǒng)是由張英杰;劉朝林;李蒲德;丁晨;徐夢(mèng)迪設(shè)計(jì)研發(fā)完成，并于2025-03-31向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種風(fēng)機(jī)葉片表面損傷檢測(cè)方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明提供一種風(fēng)機(jī)葉片表面損傷檢測(cè)方法及系統(tǒng)，屬于風(fēng)機(jī)葉片損傷檢測(cè)技術(shù)領(lǐng)域。本發(fā)明采用金字塔增強(qiáng)算法和補(bǔ)丁增強(qiáng)算法相結(jié)合的方式，金字塔增強(qiáng)算法提供全局的多尺度信息，補(bǔ)丁增強(qiáng)算法提供局部細(xì)節(jié)信息，能讓模型從不同層次的信息中學(xué)習(xí)，提升對(duì)風(fēng)機(jī)葉片損傷檢測(cè)的精度；在模型的訓(xùn)練階段，采用注意力機(jī)制關(guān)注圖像中與損傷有關(guān)的特征，抑制與損傷無(wú)關(guān)的特征，生成增強(qiáng)特征，將增強(qiáng)特征從笛卡爾坐標(biāo)映射到極坐標(biāo)系形成極坐標(biāo)特征，突出損傷特征在風(fēng)機(jī)葉片徑向方向和軸向方向的表達(dá)，然后將極坐標(biāo)特征與增強(qiáng)特征進(jìn)行融合，構(gòu)建融合了細(xì)粒度局部信息和粗粒度全局信息的特征圖，使模型獲得對(duì)不同尺度目標(biāo)的檢測(cè)能力。

本發(fā)明授權(quán)一種風(fēng)機(jī)葉片表面損傷檢測(cè)方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種風(fēng)機(jī)葉片表面損傷檢測(cè)方法，其特征在于，包括如下步驟：步驟S1，獲取原始數(shù)據(jù)集，所述原始數(shù)據(jù)集中包括多張風(fēng)機(jī)葉片表面的原始圖像，每張?jiān)紙D像中標(biāo)注有損傷位置以及損傷類型；步驟S2，采用金字塔增強(qiáng)算法對(duì)原始數(shù)據(jù)集中的每張?jiān)紙D像進(jìn)行增強(qiáng)，形成金字塔圖像序列，然后使用重疊的滑動(dòng)窗口對(duì)金字塔圖像序列中的每一層進(jìn)行補(bǔ)丁提取，形成補(bǔ)丁集合，以所述金字塔圖像序列和補(bǔ)丁集合重新構(gòu)建訓(xùn)練數(shù)據(jù)集；步驟S3，在傳統(tǒng)YOLOv8模型的基礎(chǔ)上構(gòu)建改進(jìn)YOLOv8模型，改進(jìn)YOLOv8模型的頸部網(wǎng)絡(luò)和檢測(cè)頭與傳統(tǒng)YOLOv8模型中的架構(gòu)保持一致，骨干網(wǎng)絡(luò)包括初始卷積層、C2F-FocalNextBlock模塊、極坐標(biāo)特征變換模塊及特征融合模塊，將訓(xùn)練數(shù)據(jù)集及其對(duì)應(yīng)的標(biāo)簽送入改進(jìn)YOLOv8模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的改進(jìn)YOLOv8模型；訓(xùn)練的過(guò)程包括如下步驟：將訓(xùn)練數(shù)據(jù)集中的圖像送入初始卷積層提取基礎(chǔ)特征，然后將提取的基礎(chǔ)特征送入C2F-FocalNextBlock模塊，基于注意力機(jī)制關(guān)注圖像中與損傷有關(guān)的特征，抑制與損傷無(wú)關(guān)的特征，生成增強(qiáng)特征；接著將增強(qiáng)特征送入極坐標(biāo)特征變換模塊，將增強(qiáng)特征從笛卡爾坐標(biāo)系映射到極坐標(biāo)系形成極坐標(biāo)特征，突出損傷特征在風(fēng)機(jī)葉片徑向方向和軸向方向的表達(dá)；最后將極坐標(biāo)特征變換模塊輸出的極坐標(biāo)特征與C2F-FocalNextBlock模塊輸出的增強(qiáng)特征相融合，構(gòu)建融合了細(xì)粒度局部信息和粗粒度全局信息的融合特征；頸部網(wǎng)絡(luò)將骨干網(wǎng)絡(luò)輸出的融合特征轉(zhuǎn)換為適合檢測(cè)任務(wù)的多尺度特征，傳遞給檢測(cè)頭進(jìn)行最終的邊界框回歸和分類；步驟S4，針對(duì)任意一次風(fēng)機(jī)葉片表面損傷檢測(cè)過(guò)程，首先采集風(fēng)機(jī)葉片表面的圖像，然后提取得到金字塔圖像序列和補(bǔ)丁集合，將金字塔圖像序列以及補(bǔ)丁集合共同作為訓(xùn)練好的改進(jìn)YOLOv8模型的輸入，輸出對(duì)每張圖像中的損傷位置以及損傷類型的預(yù)測(cè)結(jié)果。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人湖南大學(xué)，其通訊地址為：410082 湖南省長(zhǎng)沙市岳麓區(qū)麓山南路2號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。