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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉華僑大學(xué);福建眾益太陽能科技股份公司申請的專利基于深度學(xué)習(xí)的工業(yè)產(chǎn)品表面缺陷檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115511812B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211138132.1，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)基于深度學(xué)習(xí)的工業(yè)產(chǎn)品表面缺陷檢測方法是由杜永兆;陳海信;傅玉青;柯欽懷;陳光焱設(shè)計研發(fā)完成，并于2022-09-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度學(xué)習(xí)的工業(yè)產(chǎn)品表面缺陷檢測方法在說明書摘要公布了：本發(fā)明一種基于深度學(xué)習(xí)的工業(yè)產(chǎn)品表面缺陷檢測方法，在工業(yè)流水線上拍攝，采集得到工業(yè)產(chǎn)品表面缺陷數(shù)據(jù)集；使用優(yōu)化后的YOLOX深度學(xué)習(xí)網(wǎng)絡(luò)模型構(gòu)建工業(yè)產(chǎn)品表面缺陷檢測模型，通過主干特征提取網(wǎng)絡(luò)CSPDarknet提取不同尺度特征；通過頸部網(wǎng)絡(luò)對特征進行深度融合特征提取，增強不同尺度特征的表達；通過基于無錨框檢測器的YOLOXHead作為檢測頭生成工業(yè)產(chǎn)品表面缺陷檢測模型；訓(xùn)練網(wǎng)絡(luò)模型；載入權(quán)值文件，并使用網(wǎng)絡(luò)模型對工業(yè)產(chǎn)品圖像進行表面缺陷檢測，生成預(yù)測結(jié)果并顯示缺陷類型和缺陷位置。本發(fā)明不僅提升了網(wǎng)絡(luò)模型對特征空間位置信息和不規(guī)則分布的缺陷的捕獲能力，并且在提升精度的同時降低模型的參數(shù)量，使本發(fā)明能夠移植應(yīng)用于移動端或嵌入式設(shè)備。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的工業(yè)產(chǎn)品表面缺陷檢測方法在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的工業(yè)產(chǎn)品表面缺陷檢測方法，其特征在于包括如下步驟： 步驟S1、在工業(yè)流水線上拍攝，采集工業(yè)產(chǎn)品表面的原始圖像； 步驟S2、對工業(yè)產(chǎn)品表面的原始圖像進行缺陷類別標注，得到工業(yè)產(chǎn)品表面缺陷數(shù)據(jù)集： 步驟S3、以工業(yè)產(chǎn)品表面缺陷數(shù)據(jù)集中的缺陷圖像作為輸入，并對輸入圖像進行數(shù)據(jù)增強； 步驟S4、使用優(yōu)化后的YOLOX深度學(xué)習(xí)網(wǎng)絡(luò)模型構(gòu)建工業(yè)產(chǎn)品表面缺陷檢測模型，所述優(yōu)化后的YOLOX深度學(xué)習(xí)網(wǎng)絡(luò)模型包括Focus模塊、基礎(chǔ)卷積模塊、可形變卷積模塊、CSPLayer層、主體殘差循環(huán)塊結(jié)構(gòu)、坐標注意力機制模塊、YOLOXHead模塊； 所述CSPLayer層，通過大殘差塊嵌套小殘差塊對網(wǎng)絡(luò)進行特征提取操作；其中，大殘差塊為1個1×1卷積核大小的基礎(chǔ)卷積模塊，小殘差塊為1個連續(xù)的1×1卷積核大小的基礎(chǔ)卷積模塊和1個增強形變特征提取模塊；該增強形變特征提取模塊包括：首先依次使用1個1×1卷積核大小的基礎(chǔ)卷積模塊和3×3卷積核大小基礎(chǔ)卷積模塊進行特征提取，其次，依次使用1個3×3卷積核大小的可形變卷積模塊和1個3×3卷積核大小的基礎(chǔ)卷積模塊進行特征提取，再次，使用1條殘差邊進行特征提取，主干特征提取網(wǎng)絡(luò)對小殘差塊進行循環(huán)的主要特征提取操作，循環(huán)結(jié)束后，將小殘差塊與大殘差塊所提取特征進行信息疊加操作； 所述YOLOXHead模塊，使用基礎(chǔ)卷積模塊對輸入的特征層進行通道的處理，然后進行切分，一邊依次使用1對3×3卷積核大小的基礎(chǔ)卷積模塊對進行特征提取以用于分類任務(wù)，另一邊引入增強形變特征卷積模塊，依次使用一個3×3卷積核大小的可形變卷積模塊和1個3×3卷積核大小的基礎(chǔ)卷積模塊進行特征提取，通道調(diào)整后切分用于回歸任務(wù)和目標任務(wù)； 所構(gòu)建的網(wǎng)絡(luò)模型執(zhí)行如下步驟： 通過主干特征提取網(wǎng)絡(luò)CSPDarknet提取不同尺度特征； 通過頸部網(wǎng)絡(luò)對特征進行深度融合特征提取，增強不同尺度特征的表達； 通過基于無錨框檢測器的YOLOXHead作為檢測頭生成工業(yè)產(chǎn)品表面缺陷檢測模型； 步驟S5、訓(xùn)練網(wǎng)絡(luò)模型 將步驟S3得到的數(shù)據(jù)增強過的工業(yè)產(chǎn)品表面缺陷數(shù)據(jù)集劃分為訓(xùn)練集、測試集和驗證集，使用劃分后的數(shù)據(jù)集對網(wǎng)絡(luò)模型進行訓(xùn)練，生成訓(xùn)練后的工業(yè)產(chǎn)品表面缺陷檢測模型；在工業(yè)產(chǎn)品表面缺陷檢測模型訓(xùn)練過程中采用損失函數(shù)，使用優(yōu)化器對損失函數(shù)中的權(quán)值進行更新，直到訓(xùn)練結(jié)束，保存訓(xùn)練完成后網(wǎng)絡(luò)模型的權(quán)值文件； 步驟S6、對訓(xùn)練后得到的權(quán)值文件進行載入，并使用步驟S5訓(xùn)練好的網(wǎng)絡(luò)模型對工業(yè)產(chǎn)品圖像進行表面缺陷檢測，生成預(yù)測結(jié)果并顯示缺陷類型和缺陷位置。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人華僑大學(xué);福建眾益太陽能科技股份公司，其通訊地址為：362000 福建省泉州市城華北路269號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。