申请/专利权人：天津大学

申请日：2021-06-22

公开（公告）日：2021-09-21

公开（公告）号：CN113420438A

主分类号：G06F30/20(20200101)

分类号：G06F30/20(20200101);G06F30/17(20200101);G06N3/04(20060101);G06N3/08(20060101);G06T17/00(20060101);G06F113/10(20200101)

优先权：

专利状态码：失效-发明专利申请公布后的视为撤回

法律状态：2023.03.28#发明专利申请公布后的视为撤回;2021.10.12#实质审查的生效;2021.09.21#公开

摘要：本发明的目的在于提供一种基于X射线正弦图的增材器件内部结构几何参数测量方法，该方法首先利用增材器件的CAD信息构建仿真模体获取正弦图，输入基于U‑Net结构的神经网络和基于FNN结构的神经网络进行训练。然后对增材器件实物进行X射线扫描，无需重建，利用基于U‑Net结构的神经网络，提取出增材器件中感兴趣结构的正弦图。将此正弦图进行裁剪和变换，减少计算量。最后使用基于FNN结构的神经网络计算出感兴趣结构的内部几何参数，包括面内几何参数如半径、边长、面积，空间几何参数如壁厚、高、体积，结构间几何参数如中心距离。该方法相对于通过重建三维结构获取内部几何参数信息的方法，可以避免重建带来的伪影问题，还可以提高测量效率。

主权项：1.一种基于X射线正弦图的管壳型增材器件内部结构几何参数测量方法，其特征在于，包括以下几个步骤：步骤一：基于管壳型增材器件的三维CAD信息构建仿真模体，进行X射线扫描，获取器件的整体正弦图和感兴趣结构的正弦图。步骤二：对感兴趣结构的正弦图进行裁剪和变换：首先计算出正弦图中每一行投影数据的加权平均数对应的坐标，然后再每一行中以此坐标为基准，左右各取部分像素，完成对正弦图的裁剪，并将裁剪完毕后的正弦图重新排列成方阵。步骤三：对基于U-Net结构的神经网络和基于FNN结构的神经网络进行训练。其中基于U-Net结构的神经网络的训练集为仿真模体整体结构的正弦图、仿真模体感兴趣结构的正弦图以及该神经网络输出的正弦图，基于FNN结构的神经网络的训练集为仿真模体感兴趣结构的正弦图、增材器件CAD图纸中感兴趣结构的几何参数以及该神经网络输出的正弦图。步骤四：X射线扫描管壳型增材器件实物，将正弦图输入基于U-Net结构的神经网络得到感兴趣结构的正弦图。为了减少计算量，对感兴趣结构的正弦图进行裁剪和变换，得到新的正弦图，经过基于FNN结构的神经网络模型计算出管壳型增材器件内部结构的几何参数信息。

全文数据：

权利要求：

百度查询： 天津大学 基于X射线正弦图的增材器件内部结构几何参数测量方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD