買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜大連交通大學申請的專利一種基于寬度學習的風機葉片表面損傷分類識別方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114037867B 。

龍圖騰網通過國家知識產權局官網在2025-03-21發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111298687.8，技術領域涉及：G06V10/764；該發明授權一種基于寬度學習的風機葉片表面損傷分類識別方法是由鄒麗;王煜;孫屹博設計研發完成，并于2021-11-04向國家知識產權局提交的專利申請。

本一種基于寬度學習的風機葉片表面損傷分類識別方法在說明書摘要公布了：本發明涉及計算機視覺技術領域，具體公開了一種基于寬度學習的風機葉片表面損傷分類識別方法，包括如下步驟：采集風機葉片圖像；將采集到的風機葉片圖像進行預處理，通過非局部均值濾波算法對風機葉片圖像進行去噪處理；將去噪后的風機葉片圖像，通過寬度學習方法提取特征向量；將風機葉片圖像的特征向量輸入分類器，生成風機葉片損傷識別模型；將待識別的風機葉片圖像進行非局部均值濾波算法去噪處理后，輸入風機葉片損傷識別模型中，輸出風機葉片圖像的損傷識別結果。本發明具有橫向擴展和增量學習兩個優勢，計算速度快，當模型精度不夠時，僅需橫向擴展增強節點，當新增數據時，僅需訓練新增數據，操作簡單，計算迅速。

本發明授權一種基于寬度學習的風機葉片表面損傷分類識別方法在權利要求書中公布了：1.一種基于寬度學習的風機葉片表面損傷分類識別方法，其特征在于，包括如下步驟：S1.采集風機葉片圖像；S2.將采集到的風機葉片圖像進行預處理，通過非局部均值濾波算法對風機葉片圖像進行去噪處理；所述步驟S2包括：S201.將風機葉片圖像調為m行*n列，在圖像中取點Px，y為待濾波點，以點P為中心，取ksize行*ksize列區域為鄰域塊，取ssize行*ssize列區域為搜索窗口，并對風機葉片圖像邊緣擴充；S202.將邊緣擴充后的風機葉片圖像上邊緣剪裁half_ssize行、下邊緣剪裁half_ssize行、左邊緣剪裁half_ssize列、右邊緣剪裁half_ssize列，獲得圖像A；S203.將搜索窗口內當前計算點與待濾波點的位置偏移x_offset，y_offset，得到與圖像A的行、列均相同的圖像B；S204.計算相同坐標點的像素差值C，像素差值C＝A-B；S205.計算每一對相同坐標點的像素差值的平方，C的平方圖D＝C*C；S206.通過分塊并行的方法計算平方圖D的位置偏移的積分圖；所述步驟S206包括：S2061.將m行*n列的風機葉片圖像每一行數據分成每4個數據的數據塊，開啟m*n4個線程，每個線程計算一個小塊中4個數據的前綴和，所有線程并行計算；S2062.開啟m個線程，每個線程對應一行數據，計算該行中所有小塊中最后一個數據的前綴和；S2063.開啟m*n4個線程，每個線程對應一個小塊，每一行從第2個小塊開始，除最后一個數外，將每小塊中的數加上它的前一小塊的最后一個數，得到所有行的前綴和；S2064.將每一列數據分成每4個數據的數據塊，開啟m4*n個線程，每個線程計算一個小塊中4個數據的前綴和，所有線程并行計算；S2065.開啟n個線程，每個線程對應一列數據，計算該列中所有小塊中最后一個數據的前綴和；S2066.開啟m4*n個線程，每個線程對應一個小塊，每一列從第2個小塊開始，除最后一個數外，將每小塊中的數加上它的前一小塊的最后一個數，得到原圖的積分圖D；S207.得到積分圖后，根據當待濾波點在積分圖上對應的位置取得其積分圖鄰域塊，計算鄰域塊與積分圖鄰域塊的均方誤差相似度；S208.通過均方誤差相似度計算權重；S209.計算濾波值并輸出去噪后的風機葉片圖像；S3.將去噪后的風機葉片圖像，通過寬度學習方法提取特征向量；S4.將風機葉片圖像的特征向量輸入分類器，生成風機葉片損傷識別模型；S5.將待識別的風機葉片圖像進行非局部均值濾波算法去噪處理后，輸入所述風機葉片損傷識別模型中，輸出風機葉片圖像的損傷識別結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人大連交通大學，其通訊地址為：116000 遼寧省大連市沙河口區黃河路794號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。