摘要
本发明提供一种涡轮叶片CT图像分割与点位检测方法及系统,涉及图形处理领域,方法包括:S1、采集涡轮叶片工业CT图像,构建数据集;S2、进行半自动分割标注以及关键点位标注;S3、对图像进行翻转、旋转以及调整对比度操作来进行数据增强;S4、构建图像分割和点位检测模型;S5、设计损失函数训练多任务学习模型;S6、模型训练、测试及输出。系统包括图像采集模块、图像标注模块、分割和点位检测模型构建模块以及分割和点位检测模块。本发明使用多任务学习对涡轮叶片工业CT图像同时进行分割和点位检测,实现了涡轮叶片壁厚参数的自动化高精度检测,为航空发动机关键零部件的质量控制和工艺优化提供了可靠的数字化解决方案。
技术关键词
涡轮叶片
工业CT图像
图像分割
关键点
多头注意力机制
多任务深度学习
高频特征
工业CT扫描
编码器
图像采集模块
坐标
对比度
解码器
CT图像边缘
混合网络结构
多任务学习模型
高层语义信息