買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉電子科技大學申請的專利一種多尺度增強和選擇性對比LCD缺陷檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119515828B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411580539.9，技術領域涉及：G06F17/00；該發明授權一種多尺度增強和選擇性對比LCD缺陷檢測方法及系統是由陳懷新;羅思杰;黃瑩;楊若雨設計研發完成，并于2024-11-07向國家知識產權局提交的專利申請。

本一種多尺度增強和選擇性對比LCD缺陷檢測方法及系統在說明書摘要公布了：本發明公開一種多尺度增強和選擇性對比LCD缺陷檢測方法及系統，其特征在于，包括以下步驟：獲取顯示屏圖像信號數據信息，并進行圖像裁剪標注處理；構建一個基于FasterR?CNN結合雙向特征金字塔的兩階段目標檢測模型作為基線網絡，并對圖像裁剪標注處理結果進行特征提取處理；通過輔助分支網絡對特征提取處理結果進行目標、特征多尺度增強處理；通過主網絡多尺度特征增強后的特征進行選擇性對比損失計算處理，以提高類間距離；基于自適應解耦模塊對目標特征多尺度增強處理結果進行特征解耦處理，以解決分類和回歸之間的相互干擾；實現解決顯示屏小樣本缺陷中類間混淆、尺度差異大的問題，具有識別精度高、泛化性強的優點。

本發明授權一種多尺度增強和選擇性對比LCD缺陷檢測方法及系統在權利要求書中公布了：1.一種多尺度增強和選擇性對比LCD缺陷檢測方法，其特征在于，包括以下步驟： S101、獲取顯示屏圖像信號數據信息，并進行圖像裁剪標注處理； S102、構建一個基于FasterR-CNN結合雙向特征金字塔的兩階段目標檢測模型作為基線網絡，并對圖像裁剪標注處理結果進行特征提取處理，包括以下步驟： 以ResNet101為主干網絡，提取顯示屏圖像的多尺度特征圖，然后通過雙向特征金字塔的多層次的雙向特征融合機制，將來自不同尺度的特征圖信息進行整合； 通過候選區域生成網絡基于融合后的特征圖來預測潛在的目標區域，并在不同的尺度特征圖上生成一組預定義的錨點，錨點的大小和縱橫比不同，以適應不同尺寸和形狀的目標； 對于每個候選區域，使用ROIAlign操作從BiFPN輸出的多尺度特征圖中提取出固定大小的特征，以供后續的分類和邊界框回歸使用，再通過ROIAlign對候選區域進行特征對齊； 基于ROI檢測頭對每個候選區域分別進行分類和邊界框回歸，最終通過非極大值抑制輸出目標檢測結果； S103、通過輔助分支網絡對特征提取處理結果進行目標和特征多尺度增強處理，包括以下步驟： 輔助分支網絡中的特征提取網絡和特征融合網絡的主網絡采用相同架構，并且兩網絡之間參數共享； 通過多尺度目標生成k個不同的比例的對象； 通過根據目標金字塔中各尺度目標生成特征圖，通過RPN和ROI檢測進一步細化匹配； 將訓練完成后的輔助分支進行去掉，以不影響推理時間； S104、通過主網絡多尺度特征增強后的特征進行選擇性對比損失計算處理，以提高類間距離，包括以下步驟： 基于選擇性對比損失函數提高缺陷類間的區分度，并通過感興趣區域進行檢測、分類和回歸平行； 對于小批量N個RoI框特征首先將候選區域特征采用一層的多層感知機進行編碼zi＝MLPfi，嵌入向量zi和zj之間的距離dzi,zj來度量樣本對的相似性； 當候選區域與真實標注框的重疊度大于設定閾值u時，樣本對才會參與對比損失的計算，損失函數的表達式如下所示： 其中，為損失函數，u設置成0.7，fi、fj均為候選區域特征，yj為目標真實框，LW,Y,fi,fj為損失計算，W為模型參數，Y表示相似或者不相似的情況，IOU為真實標注框的重疊度； 損失的計算方式LW,Y,fi,fj采用對比學習計算方式對高置信度向量對比計算，向量對比計算的表達式如下所示： 其中，和表示經過歸一化的特征向量，m表示相同樣本對之間的最小距離，y＝1表示樣本對為異類，從而迫使不同類別樣本之間的距離大于m，y＝0表示樣本對是同類樣本對，則計算他們之間的實際距離，為候選區域特征fi和候選區域特征fj對在特征空間中的距離，歐式距離計算的表達式如下式所示： dzi,zj＝||zi-zj||2 其中，d為歐式距離，zi和zj分別表示第i和第j個嵌入向量； S105、基于自適應解耦模塊對目標和特征多尺度增強處理結果進行特征解耦處理，以解決分類和回歸之間的相互干擾，包括以下步驟： 通過使用不同的卷積來替代原來共用的卷積或者全連接，對目標和特征多尺度增強處理結果進行特征解耦； 采用變異的卷積替代常規卷積，對于分類采用動態蛇形卷積SnakeConv不規則的特征提取方式獲得增強模型對細長和迂回結構的檢測能力；對于回歸采用坐標卷積CoordConv在提取特征的同時記錄位置坐標獲得更好對目標框回歸； 經分類和回歸解耦后的特征會分別經過并行的空間注意力與通道注意力對特征進行加強，之后分別通過極化函數ψ.進行分類和回歸； 極化后的特征表達式如下所示： Mc＝σC1×1reluC1×1avgpoolf Ms＝σC7×7[maxpoolF；avgpoolf] 其中，Ms為空間注意力，Mc為通道注意力，Mf為空間和通道增強后的特征圖，F′為極化函數后的輸出特征，σ為激活函數，C為1×1的卷積，avgpool為平均池化，ψ為極化函數。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學，其通訊地址為：610000 四川省成都市高新區(西區)西源大道2006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。