公开(公告)号：CN116485772A

公开(公告)日：2023-07-25

申请号：CN202310480377.0

申请日：2023-04-28

Applicant: 上海电机学院

Inventor： 陈云霞 ,  胡海宁 ,  杨洪刚 ,  储钰昆 ,  徐潇 ,  郑喆俊 ,  陈创

IPC: G06T7/00 ,  G06N3/0464 ,  G06N3/096 ,  G06N3/045 ,  G06V10/764

Abstract: 本发明提供一种基于深度学习的工业DICOM图像缺陷半自动标注系统及方法，属于工业图像处理技术领域。方法包括：步骤1将工业DICOM图像，导入卷积神经网络，生成卷积神经网络：步骤2基于步骤一生成的卷积神经网络完成模型训练。标注系统集成了标注方法，还集成了KN算法，KN算法用于进行DICOM文件读取。本发明采用深度学习迭代算法对铸造类零件进行半自动标注，训练出来的目标检测模型弥补了人工检测无法量化、容易疲劳的缺点，提高了提高标注的效率和缺陷分析的准确性。且此系统具有精度高，泛化能力强的特点，有效降低人工成本和产品质量风险，具有较好的应用前景。