【技术实现步骤摘要】
本专利技术涉及机器视觉，具体而言，涉及一种基于机器学习的耐火材料质量检测方法及系统。
技术介绍
1、在耐火材料制造领域，质量检测一直是确保产品性能与安全生产的关键环节。传统的耐火材料质量检测方法主要依赖于人工目视检查、物理性能测试以及有限的自动化检测设备。
2、人工目视检查高度依赖检测人员的经验与主观判断，不仅效率低下，而且易受疲劳、光照条件变化等因素影响，导致检测结果的不稳定性和误差率较高。特别是在面对复杂表面纹理、微小孔隙及微观裂纹等细微缺陷时，人工检测往往难以准确识别与量化。
3、其次，物理性能测试方法，如抗压强度测试、抗折强度测试等，虽然能够提供材料的基本力学性能指标，但这些测试通常是破坏性的，且无法全面反映材料内部的微观结构与缺陷分布，对于需要保持材料完整性的质量检测场景并不适用。
4、再者，现有的自动化检测设备多基于单一传感器或简单图像处理技术，其检测范围有限，难以同时捕捉材料表面的多角度特征，尤其是在不同光照条件下的特征变化。此外，这些设备在缺陷识别与分类方面往往缺乏足够的智能性，无法根...
【技术保护点】
1.一种基于机器学习的耐火材料质量检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器学习的耐火材料质量检测方法，其特征在于，所述调用预训练的图像特征分析模型对所述多角度表面图像集合进行图像特征提取，得到所述耐火材料样本的图像特征集合，包括：
3.根据权利要求2所述的基于机器学习的耐火材料质量检测方法，其特征在于，所述根据所述多层级特征描述符集合，得到所述耐火材料样本的图像特征集合，包括：
4.根据权利要求1所述的基于机器学习的耐火材料质量检测方法，其特征在于，所述基于预设的缺陷分类规则库对所述图像特征集合进行联合...
【技术特征摘要】
1.一种基于机器学习的耐火材料质量检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于机器学习的耐火材料质量检测方法，其特征在于，所述调用预训练的图像特征分析模型对所述多角度表面图像集合进行图像特征提取，得到所述耐火材料样本的图像特征集合，包括：
3.根据权利要求2所述的基于机器学习的耐火材料质量检测方法，其特征在于，所述根据所述多层级特征描述符集合，得到所述耐火材料样本的图像特征集合，包括：
4.根据权利要求1所述的基于机器学习的耐火材料质量检测方法，其特征在于，所述基于预设的缺陷分类规则库对所述图像特征集合进行联合分类处理，生成所述耐火材料样本的缺陷类型集合及对应的缺陷分布参数，包括：
5.根据权利要求4所述的基于机器学习的耐火材料质量检测方法，其特征在于，所述根据所述概率分布结果中超过预设激活阈值的缺陷类型生成初始缺陷类型集合，包括：
6.根据权利要求5所述的基于...
【专利技术属性】
技术研发人员：林坚，李顺良，章利强，韩利平，
申请(专利权)人：浙江金汇华特种耐火材料有限公司，
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。