【技术实现步骤摘要】
本专利技术属于dr图像缺陷，具体涉及一种基于深度学习的dr图像缺陷智能识别算法。
技术介绍
1、dr是数字化直接摄影的缩写。传统的x射线拍片使用胶片来记录图像，而dr技术则完全数字化了这个过程。它使用数字传感器，将x射线通过传感器直接转化为数字信号，然后通过计算机进行处理和显示。这种数字化的过程使得dr图像获取更快捷、更精确，并且可以立即在计算机屏幕上显示结果。
2、由于dr图像的上述优点，目前普遍在钢管焊接部识别缺陷时运用专利申请号为“cn202211228352.3”且专利名称为“一种用于检测钢管焊接数字射线图像中缺陷的方法”的现有技术方案的方法来执行钢管焊接部识别缺陷，其中要经由管道焊缝设置的dr成像板取得若干钢管焊接部的dr图像，随后优化后得到优化后的网络模型，接着再把新采集的dr图像输入优化后的网络模型后识别出钢管焊接部的包含缺陷位置的缺陷性质。
3、然而dr成像板取得的钢管焊接部的dr图像的图像值常常会因为dr成像板设备自身问题或外部杂波扰乱会带有异常扰乱，所以要可精准的对钢管焊接部的dr图像执行及时...
【技术保护点】
1.一种基于深度学习的DR图像缺陷智能识别装置，其特征在于，包括：
2.一种基于深度学习的DR图像缺陷智能识别算法，其特征在于，包括：
3.根据权利要求2所述的基于深度学习的DR图像缺陷智能识别算法，其特征在于，在S1中，在定义时长中各个时点的DR图像值，依照时点的先后次序形成DR图像值的队列，且把所述DR图像值的队列内的数值定义成DR图像值；
4.根据权利要求3所述的基于深度学习的DR图像缺陷智能识别算法，其特征在于，把改进型余项队列内第w个改进型余项数值当做择定改进型余项数值，那么第p个DR图像值的余项拓展因子的方程为：
...【技术特征摘要】
1.一种基于深度学习的dr图像缺陷智能识别装置，其特征在于，包括：
2.一种基于深度学习的dr图像缺陷智能识别算法，其特征在于，包括：
3.根据权利要求2所述的基于深度学习的dr图像缺陷智能识别算法，其特征在于，在s1中，在定义时长中各个时点的dr图像值，依照时点的先后次序形成dr图像值的队列，且把所述dr图像值的队列内的数值定义成dr图像值；
4.根据权利要求3所述的基于深度学习的dr图像缺陷智能识别算法，其特征在于，把改进型余项队列内第w个改进型余项数值当做择定改进型余项数值，那么第p个dr图像值的余项拓展因子的方程为：
5.根据权利要求2所述的基于深度学习的dr图像缺陷智能识别算法，其特征在于，第p个dr图像值的dr图像起伏参量的方程...
【专利技术属性】
技术研发人员：丁春雄，施志奇，郑凯，朱庆南，陈荣华，郇冬，俞燕萍，袁颖，
申请(专利权)人：江苏省特种设备安全监督检验研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。