公开(公告)号：CN117197057A

公开(公告)日：2023-12-08

申请号：CN202311073705.1

申请日：2023-08-24

Applicant: 北京科技大学

Inventor： 张达威 ,  王秋霁 ,  富忠恒 ,  马菱薇

IPC: G06T7/00 ,  G06T7/194 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/82 ,  G06T7/62 ,  G06T3/40

Abstract: 本发明提供一种基于深度学习的钢铁材料腐蚀程度自动化检测方法，所述方法包括：对钢片样品进行腐蚀试验，获得不同腐蚀程度的腐蚀图像；对获得的腐蚀图像进行预处理，并将预处理后的腐蚀图像与背景图像相结合，扩充腐蚀图像的数据集；在YOLOv7算法模型中引入注意力机制模块CBAM以增加通道和空间注意力；通过数据增强方法丰富训练阶段的目标场景；筛选最优的学习率衰减方法以加快模型的收敛速度，得到基于YOLOv7的钢铁材料腐蚀程度自动化检测算法。本发明能够实现对钢铁材料腐蚀程度更加精确的定位以及分类，能够快速高效的对钢铁材料进行腐蚀程度自动化检测。

公开(公告)号：CN118470325A

公开(公告)日：2024-08-09

申请号：CN202410656699.0

申请日：2024-05-24

Applicant: 北京科技大学

Inventor： 张达威 ,  王秋霁 ,  龚海燕 ,  富忠恒 ,  马菱薇 ,  李晓刚

IPC: G06V10/26 ,  G06V20/70 ,  G06T7/62 ,  G06V10/774 ,  G06V10/82 ,  G06T7/73

Abstract: 本发明涉及一种钢板腐蚀像素级定位以及腐蚀程度识别方法及系统，首先，采集钢铁材料腐蚀图像，并进行裁剪以及归一化处理，制作统一大小的腐蚀图像数据集。其次，基于图像生成算法对真实腐蚀图像样本进行训练，得到与真实碳钢腐蚀图像高度相似的虚拟腐蚀图像；然后，基于SAM算法模型实现对钢板中腐蚀区域进行半自动化分割标注；最后，提出一种基于DeepLabv3+的语义分割算法MN‑DeepLabv3，分别对真实腐蚀图像数据集和虚拟生成图像数据集进行训练，实现钢板腐蚀区域像素级定位以及腐蚀程度识别。本发明提供的自动化检测方法，能够实现对碳钢表面腐蚀区域进行自动化像素级定位的同时识别其腐蚀程度，为碳钢腐蚀表面智能检测提供一种有前景的技术策略。