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！

龍圖騰網恭喜武漢科技大學申請的專利一種高靈敏度的熱軋鋼卷端面缺陷識別系統及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：CN114596296B 。

龍圖騰網通過國家知識產權局官網在2025-04-15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：202210257514.X，技術領域涉及：G06T7/00；該發明授權一種高靈敏度的熱軋鋼卷端面缺陷識別系統及方法是由向峰;周思聰;陶飛;左穎;李紅軍;張弛;蔣國璋設計研發完成，并于2022-03-16向國家知識產權局提交的專利申請。

本一種高靈敏度的熱軋鋼卷端面缺陷識別系統及方法在說明書摘要公布了：本發明公開了一種基于深度學習的高靈敏度熱軋鋼卷端面缺陷識別系統及方法，包括：數據集處理模塊，該模塊體現熱軋鋼卷端面缺陷識別的數據集處理過程，采集圖片制作數據集，通過高識別率的模型訓練數據集；模型靈敏度指標判斷模塊，該模塊將訓練結果生成混淆矩陣，根據得到的模型靈敏度值，判斷其是否符合預期的高靈敏度需求；復檢模塊，該模塊對數據集進行重新標記并重新訓練，直至得到滿足需求的高靈敏度缺陷識別系統。本發明能在保證高識別率的前提下，同時使模型具有很高的靈敏度，大幅減少漏檢率，提高鋼卷成材率。

本發明授權一種高靈敏度的熱軋鋼卷端面缺陷識別系統及方法在權利要求書中公布了：1.一種高靈敏度的熱軋鋼卷端面缺陷識別系統，其特征在于，包括：數據集處理模塊、模型靈敏度指標判斷模塊和復檢模塊；數據集處理模塊，采集熱軋鋼卷端面圖像，制作熱軋鋼卷端面缺陷數據集，對能夠體現熱軋鋼卷端面缺陷識別的數據集處理，通過端面圖像識別模型訓練數據集，得到訓練結果；具體包括：構建端面圖像識別模型FasterRCNN，對該識別模型進行改進，所述模型包括：設置好FasterRCNN網絡模型的卷積和采樣使用的次數，卷積核的尺寸設置為33， 卷積步長為2，將卷積操作設置為普通卷積操作和深度可分離卷積操作的組合，深度卷積實 現通道與通道一對一的特征提取，普通卷積將通道卷積得到的特征信息進行融合；改進后 的FasterRCNN由輸入層、改進的卷積層、池化層、全連接層組合而成；輸入層作為神經網 絡的入口接收用于訓練的鋼卷端面數據集；卷積層的疊加能提取更高級的鋼卷端面缺陷特 征信息；池化層降低缺陷識別模型的復雜度；全連接層將提取的缺陷特征結合并且進行分 類；所述改進的卷積層為：在主干網絡中的卷積部分加入特征融合模塊和改進的RFB模塊， 具體內容是將缺陷識別模型的第一個特征提取層換成3838大小來檢測小目標缺陷，為了 提高感受野，將3838的特征層與1919的特征層進行融合，建立兩個特征層之間的聯 系，同時用DIOUloss替換SmoothL1loss作為位置回歸損失函數； 模型靈敏度指標判斷模塊，根據數據集處理模塊得到的訓練結果生成混淆矩陣的形式，根據得到端面缺陷識別模型的靈敏度值，判斷其是否符合預期的缺陷識別模型靈敏度值大于0.8的高靈敏度需求；若缺陷識別模型靈敏度值沒有達到需求，則該模塊為前期的工作不合格，需要對數據集或識別模型進行改進，若靈敏度值達到需求，則判斷缺陷識別模型的F1值是否符合預期大于0.85的要求，若F1值沒有達到0.85，則對缺陷識別模型進行復檢；若F1值大于0.85，則可認為該缺陷識別模型符合產品需求；復檢模塊，缺陷識別模型的綜合指標F1值未達標或者某個缺陷類別的F1值和識別靈敏度未達標，則認為是數據集出現問題，將對數據集進行重新標記并重新訓練，直至得到滿足需求的高靈敏度缺陷識別系統。

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武漢科技大學，其通訊地址為：430081 湖北省武漢市青山區和平大道847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”。