买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安交通大学申请的专利一种推力轴承表面损伤大模型检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121616593B 。

龙图腾网通过国家知识产权局官网在2026-04-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610145341.0，技术领域涉及：G06T7/00；该发明授权一种推力轴承表面损伤大模型检测方法及系统是由王硕;韩京轩;张鹿宁;武通海;雷亚国设计研发完成，并于2026-02-02向国家知识产权局提交的专利申请。

本一种推力轴承表面损伤大模型检测方法及系统在说明书摘要公布了：本发明公开了一种推力轴承表面损伤大模型检测方法及系统，属于机器磨损状态监测技术领域。该方法包括：利用三维成像相机获取推力轴承表面灰度图与深度图，经双分支编码与动态融合生成结构感知融合特征；构建分层语义知识库，生成文本提示向量并与融合特征跨模态对齐；联合GroundingDINO与SAM损伤精细分割模型，实现损伤候选预测框定位与精细分割；基于PPO框架构建强化学习微调机制，动态优化多类别损伤置信度分布。本发明通过多模态融合、知识引导与强化学习的协同，提升了复杂背景下多类型损伤的检测精度、泛化能力与分割精细度，降低了对大规模标注样本的依赖，适用于推力轴承复杂服役环境下的损伤智能化检测。

本发明授权一种推力轴承表面损伤大模型检测方法及系统在权利要求书中公布了：1.一种推力轴承表面损伤大模型检测方法，其特征在于，包括以下步骤： S1、获取推力轴承表面的灰度图和深度图，对所述灰度图和所述深度图进行特征编码与融合，得到结构感知融合特征，具体包括： 构建基于所述深度图的深度分支，对所述深度图进行编码并增强处理，以提取结构突变特征； 构建基于所述灰度图的灰度分支，对所述灰度图进行编码，以提取纹理及局部边缘特征； 构建联合所述深度分支与所述灰度分支的特征动态融合模块，采用门控机制对两分支提取的特征进行动态融合，并引入检测引导的权重调节机制，根据基于深度图检测的目标框数量与基于融合图像检测的目标框数量之间的差异，动态调节所述灰度分支与所述深度分支的特征权重，得到检测引导优化后的结构感知融合特征； S2、构建推力轴承表面损伤的分层语义知识库，基于分层语义知识库的语义信息生成文本提示向量，将所述文本提示向量与步骤S1得到的结构感知融合特征进行跨模态对齐，输出跨模态对齐后的文本特征； S3、构建推力轴承表面损伤大模型，所述推力轴承表面损伤大模型包括多尺度特征增强的损伤特征图像骨干网络、损伤语义文本骨干网络、跨模态融合模块及SAM损伤精细分割模型；基于步骤S1输出的结构感知融合特征，通过所述损伤特征图像骨干网络生成推力轴承表面损伤多尺度图像特征；基于步骤S2生成的文本提示向量，通过所述损伤语义文本骨干网络生成与所述推力轴承表面损伤多尺度图像特征维度一致的文本特征；通过所述跨模态融合模块对所述推力轴承表面损伤多尺度图像特征与文本特征进行跨模态融合，得到跨模态融合后的图文特征，然后输出视觉-文本联合表示的推力轴承表面损伤候选预测框；以所述推力轴承表面损伤候选预测框引导所述SAM损伤精细分割模型进行特征提取、掩码生成及边缘优化，输出损伤区域精细分割结果； S4、基于PPO框架构建强化学习驱动的微调机制，以步骤S1得到的结构感知融合特征、步骤S2得到的跨模态对齐后的文本特征、步骤S3得到的跨模态融合后的图文特征、推力轴承表面损伤候选预测框及损伤区域精细分割结果为基础，将步骤S3的跨模态融合后的图文特征编码定义为状态空间，结合推力轴承表面损伤候选预测框与损伤区域精细分割结果设计复合奖励机制，重新定义损伤置信度分布对应的动作形式，对所述推力轴承表面损伤大模型进行迭代微调，动态优化多类别损伤置信度分布。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安交通大学，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。