Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京航空航天大学杭州创新研究院徐明亮获国家专利权

北京航空航天大学杭州创新研究院徐明亮获国家专利权

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!

龙图腾网获悉北京航空航天大学杭州创新研究院申请的专利一种表面缺陷检测方法、装置、存储介质及电子设备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:CN115439448B

龙图腾网通过国家知识产权局官网在2026-05-12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:202211084587.X,技术领域涉及:G06T7/00;该发明授权一种表面缺陷检测方法、装置、存储介质及电子设备是由徐明亮;姜晓恒;李青锋;闫丰;卢洋;李书攀;董敏设计研发完成,并于2022-09-06向国家知识产权局提交的专利申请。

一种表面缺陷检测方法、装置、存储介质及电子设备在说明书摘要公布了:本申请提出一种表面缺陷检测方法、装置、存储介质及电子设备,编码器对原始图像进行处理,以获取不同尺度的图像特征,原始图像为对目标产品进行采集所得到的图像;密集感受野模块对第三子模块输出的图像特征中的上下文信息进行捕获,以获得密集感受野上下文特征;解码器对密集感受野上下文特征、n个第二子模块输出的图像特征以及第三子模块输出的图像特征进行解码融合,以获取检测图像;检测图像包括原始图像中各个像素点对应的检测结果,检测结果包括非缺陷像素点和缺陷像素点。通过对高层特征和低层特征的融合,能够在融合过程中自适应地强调缺陷特征和抑制背景干扰,有利于低对比度缺陷的检测,解决缺陷的低对比度问题和背景干扰问题。

本发明授权一种表面缺陷检测方法、装置、存储介质及电子设备在权利要求书中公布了:1.一种表面缺陷检测方法,其特征在于,应用于电子设备,所述电子设备部署有特征融合网络模型,所述特征融合网络模型包括编码器、密集感受野模块以及解码器,所述编码器包括一个第一子模块、n个第二子模块以及一个第三子模块,所述第一子模块包括1个步长为1的3x3卷积和两个基本残差块,所述第二子模块包括1个下采样操作块和两个基本残差块,所述第三子模块包括1个池化区域为2×2的最大池化操作块和两个基本残差块,所述第一子模块、n个第二子模块以及所述第三子模块为级联关系,所述方法包括: 所述编码器对原始图像进行处理,以获取不同尺度的图像特征,包括n个第二子模块输出的图像特征和1个第三子模块输出的图像特征,所述原始图像为对目标产品进行采集所得到的图像; 所述密集感受野模块对所述第三子模块输出的图像特征中的上下文信息进行捕获,以获得密集感受野上下文特征; 所述解码器对所述密集感受野上下文特征、n个第二子模块输出的图像特征以及第三子模块输出的图像特征进行解码融合,以获取检测图像,所述检测图像包括所述原始图像中各个像素点对应的检测结果,所述检测结果包括非缺陷像素点和缺陷像素点; 所述解码器包括n+1个级联的特征融合模块,所述解码器对所述密集感受野上下文特征、n个第二子模块输出的图像特征以及第三子模块输出的图像特征进行解码融合,以获取检测图像的步骤,包括:第k个特征融合模块通过上采样分支对相应的高层特征进行上采样,以得到上采样特征;第k个特征融合模块通过通道注意力分支和空间注意力分支对所述上采样特征进行处理,分别获取通道注意力图和空间注意力图;第k个特征融合模块通过矩阵乘法操作和一个深度可分离的空洞卷积模块融合所述通道注意力图和所述空间注意力图,以获得三维注意力图;第k个特征融合模块基于所述三维注意力图对相应的低层特征加权,以得到加权特征;第k个特征融合模块将所述加权特征和所述上采样特征进行拼接,并将拼接结果通过一个3x3卷积块,以得到第k个特征融合模块的输出结果;当k=n+1时,第k个特征融合模块相应的高层特征为所述密集感受野上下文特征,第k个特征融合模块相应的低层特征为所述第三子模块输出的图像特征;当1≤k≤n时,第k个特征融合模块相应的高层特征为第k+1个特征融合模块的输出结果,第k个特征融合模块相应的低层特征为第k个第二子模块输出的图像特征;所述检测图像为第1个特征融合模块的输出结果; 所述密集感受野模块包括3个级联的感受野模块和1个全局平均池化分支,所述感受野模块包括三个并行的具有不同空洞率的3x3空洞卷积,所述密集感受野模块对所述第三子模块输出的图像特征中的上下文信息进行捕获,以获得密集感受野上下文特征的步骤,包括: 第i个感受野模块对所述第三子模块输出的图像特征和前i-1个感受野模块的输出结果进行空洞卷积处理,以获取第i个感受野模块的输出结果; 所述全局平均池化分支对所述第三子模块输出的图像特征进行处理,以获取全局特征; 所述密集感受野模块将所述第三子模块输出的图像特征、所述全局特征以及每一个感受野模块的输出结果进行相加,以得到密集感受野上下文特征。

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北京航空航天大学杭州创新研究院,其通讯地址为:310000 浙江省杭州市滨江区长河街道创慧街18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。

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。