CN119760646B8 基于机器视觉的重载大抱具驱动轮多模态损伤检测方法 （杨明川）.docxVIP

(19)国家知识产权局

(12)发明专利

(扉页更正)

(10)授权公告号CN119760646B8

(48)更正文献出版日2025.07.01(45)授权公告日2025.06.13

(21)申请号202411937063.X

(22)申请日2024.12.26

(73)专利权人杨明川

地址102615北京市大兴区博兴路8号

(72)发明人杨明川赵军鹏陈鑫茹毅

(74)专利代理机构北京创智蓝海知识产权代理

事务所(普通合伙)16402专利代理师许凤

(51)Int.CI.

GO6N3/09(2023.01)

GO6N3/006(2023.01)

G06T7/62(2017.01)

GO6T7/00(2017.01)

GO6T7/10(2017.01)

GO6F30/23(2020.01)

(56)对比文件

A,2024.07.09A,2024.12.06118314485119091219CN

A,2024.07.09

A,2024.12.06

118314485

119091219

审查员吴海旋

GO6F18/25(2023.01)

GO6F18/2131(2023.01)

GO6N3/045(2023.01)

GO6N3/0464(2023.01)

GO6N3/0442(2023.01)

权利要求书5页说明书16页附图2页

(54)发明名称

基于机器视觉的重载大抱具驱动轮多模态损伤检测方法

(57)摘要

CN119760646B8本发明提供基于机器视觉的重载大抱具驱动轮多模态损伤检测方法，涉及自动化检测技术领域，包括采集驱动轮的图像、振动和温度数据，利用多尺度金字塔网络提取图像视觉特征，并结合振动信号的偏心度、跳动度特征和温度数据的应力集中特征，输入跨模态特征融合网络获得融合特征；将融合特征输入多任务检测模块识别损伤，并基于图像分割、光度立体法、振动信号分析和温度梯度分析测量损伤面积、深度、裂纹扩展速率和应力集中程度；最后，结合设备运行工况和损伤演化规律，采用改进的证据理论融合评估

CN119760646B8

基于工业相机组、振动传感器组和红外传感器组，来集重我大抱具驱动轮的多源损伤救据，所述多源损伤数据包括图像数据、原动信号和温度数据

对所述多源损伤数据进行分层次特征提取，利用多尺度金半塔网络从图像救据中提取视觉特征，所述多尺度金字塔网络设置有环形卷积层和基于驱动轮几何特征的位置编码；同时从振动信号中提取偏心度和跳动度特征，从温度数据中提取应力集中特征；将分层次提取的特征输入到具有模态特异性编码和不变性约束的跨模态特征举合网路，得到融合特征

将所述融合特征输入多任务检刷模块进行损伤识别，基于识别结果来用图像分割算法测量损伤面积，采用光度立体法重建损伤深度，结合振动信号估算裂纹扩展速率，基于温度梯度分折应力集中程度：根掘测量的损伤面积、损佛深度、梨纹扩展速率和应力集中程度构建形态学特征、应力分布特征和材料性能特征的评佑招标；构建基于设备运行工况和损伤演化规律的量化评估模型，采用改进的证据理论方法对所述评估指标进行融合，并设置多级预警闻值，生成包舍损伤状态、发展趋势和雄护建议的评佑报告,所述改进的证据理论方法包括构建考虑历史损伤发展趋势的动态基本概率分配函数、引入基于损伤类型和关性的证据可信度权重和设计损伤特征冲突度的自适应组合规则