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！

龍圖騰網獲悉大連理工大學申請的專利基于深度學習的機械零件缺陷智能檢測系統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：CN120197512B 。

龍圖騰網通過國家知識產權局官網在2025-09-02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：202510668276.5，技術領域涉及：G06F30/27；該發明授權基于深度學習的機械零件缺陷智能檢測系統是由尹繼萱設計研發完成，并于2025-05-23向國家知識產權局提交的專利申請。

本基于深度學習的機械零件缺陷智能檢測系統在說明書摘要公布了：本發明屬于缺陷智能檢測技術領域，涉及一種基于深度學習的機械零件缺陷智能檢測系統。該系統通過設置參數矩陣獲取模塊、機械零件量子態數據輸出模塊、分數維度卷積特征提取模塊、機械零件缺陷流形坐標提取模塊、流形換位子計算模塊和機械零件缺陷置信度輸出模塊。本發明解決了傳統機械零件缺陷檢測一般是根據領域內的專業檢測人員進行識別，人為檢測主觀性較強，檢測結果誤檢率高，人為檢測檢測效率及檢測精度低的問題，綜合多方面幾何信息和決策因素，能更全面、可靠地評估機械零件存在缺陷的可能性，減少人工干預，提高檢測效率和一致性。

本發明授權基于深度學習的機械零件缺陷智能檢測系統在權利要求書中公布了：1.一種基于深度學習的機械零件缺陷智能檢測系統，其特征在于，包括： 參數矩陣獲取模塊：獲取機械零件材料參數矩陣； 機械零件量子態數據輸出模塊：基于量子場激勵的多模態生成模型，輸出機械零件量子態數據； 分數維度卷積特征提取模塊：對機械零件量子態數據進行分數維度卷積特征提取，并進行量子態解碼，得到機械零件分形特征； 機械零件缺陷流形坐標提取模塊：構建拓撲流形檢測網絡，計算流形極值點，從機械零件分形特征中提取機械零件缺陷流形坐標； 流形換位子計算模塊：基于機械零件缺陷流形坐標，計算流形換位子； 機械零件缺陷置信度輸出模塊：進行非交換幾何決策融合，輸出機械零件缺陷融合置信度； 所述對機械零件量子態數據進行分數維度卷積特征提取，并進行量子態解碼，得到機械零件分形特征，具體分析過程為： （1）分數維度卷積特征提取： 獲取卷積核，使用Mittag-Leffler函數初始化； 獲取數據庫中存儲的分數階； 分數階微分： ；（6）； 式中，為分數階微分運算的結果函數，為求和指標，為伽馬函數，為空間間隔，為量子態數據； （2）分形金字塔構建： 得到初始分形特征，即分形金字塔初始特征； 分形金字塔構建： ；（7）； 式中，是分形金字塔第層特征，是通過對與第個卷積核進行運算，并經變換后得到的分形金字塔下一層特征，N為在分形金字塔構建中，參與計算的卷積核的數量，為與Hausdorff維數相關的變換算子，為卷積核編號；代表卷積運算； 得到分形金字塔最后一層特征； 對分形金字塔最后一層特征進行量子態解碼，將復數特征分解為物理量，得到機械零件分形特征； 所述基于機械零件缺陷流形坐標，計算流形換位子，具體分析過程為： 機械零件缺陷流形坐標具體包括X射線機械零件缺陷流形坐標、超聲機械零件缺陷流形坐標、紅外模態機械零件缺陷流形坐標； 獲取數據庫中存儲的標準Clifford代數定義的Dirac矩陣； 機械零件缺陷流形坐標編碼為Clifford數，生成Dirac矩陣基，滿足： ；（13）； 其中，為第個維度的Dirac矩陣基，為第個維度的Dirac矩陣基，為閔可夫斯基度規，為單位矩陣，為維度編號，為維度編號，維度為X射線維度、超聲維度、紅外模態維度； 計算流形換位子，確定缺陷主導方向，非零流形換位子揭示多模態數據沖突，流形換位子值的模長越大，沖突越顯著； 獲取數據庫中存儲的缺陷主導方向-缺陷權重因子集合映射集，基于確定的缺陷主導方向，確定匹配的缺陷權重因子集合。

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理工大學，其通訊地址為：116000 遼寧省大連市甘井子區凌工路2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”。