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！

龍圖騰網獲悉三亞學院申請的專利一種用于鋼材表面缺陷識別的智能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：CN119359630B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202411333518.7，技術領域涉及：G06F30/27；該發明授權一種用于鋼材表面缺陷識別的智能檢測方法及系統是由于營;王春平;陳明;楊博雄;楊婷婷設計研發完成，并于2024-09-24向國家知識產權局提交的專利申請。

本一種用于鋼材表面缺陷識別的智能檢測方法及系統在說明書摘要公布了：本發明公開了一種用于鋼材表面缺陷識別的智能檢測方法，包括如下步驟：S1、圖像采集：實時圖像采集，根據需求設置觸發條件，定時拍照或外部信號觸發，在指定時間捕獲圖像；S2、圖像預處理：對采集到的圖像進行預處理，包含圖像縮放、顏色空間轉換步驟；S3、瑕疵檢測：將預處理后的圖像輸入到目標檢測模型中進行推理，輸出包括每個目標的類別和邊界框坐標的檢測結果；S4、結果顯示與定位：在原圖上繪制邊界框和類別標簽，可視化檢測結果。本發明還公開了一種用于鋼材表面缺陷識別的智能檢測系統。本發明旨在解決鋼材表面缺陷檢測過程中存在的精準度和效率方面的技術問題，可以廣泛應用于深度學習技術領域。

本發明授權一種用于鋼材表面缺陷識別的智能檢測方法及系統在權利要求書中公布了：1.一種用于鋼材表面缺陷識別的智能檢測方法，其特征在于：包括如下步驟： S1、圖像采集：實時圖像采集，根據需求設置觸發條件，定時拍照或外部信號觸發，在指定時間捕獲圖像； S2、圖像預處理：對采集到的圖像進行預處理，包含圖像縮放、顏色空間轉換步驟； S3、瑕疵檢測：將預處理后的圖像輸入到目標檢測模型中進行推理，輸出包括每個目標的類別和邊界框坐標的檢測結果，具體過程如下： S31、目標檢測模型構建：構建由主干網絡、頸部網絡和檢測頭三部分組成的模型；所述主干網絡引入基于YOLOv9結構的深度可分離卷積網絡提取特征；所述頸部網絡采用C3模塊和雙向特征金字塔網絡融合特征，其中，C3模塊過濾背景干擾，雙向特征金字塔網絡增強各個尺度特征的表達能力；所述檢測頭構建最終的目標分類和邊界框回歸，所述主干網絡引入深度可分離卷積網絡提取特征的具體過程如下： 輸入特征圖卷積操作：使用N個大小為S×S、深度為M的卷積核，對輸入的特征圖進行卷積操作，得到N個H×W的特征圖，該卷積操作的參數量為：P1=S×S×M×N； 深度可分離卷積網絡運算：通過M個大小為S×S、深度為1的卷積核，對輸入特征圖進行深度卷積，得到M個H×W的特征圖，該參數量為：P2=S×S×1×M；再使用N個大小為1×1、深度為M的卷積核，對輸入特征圖卷積操作輸出的結果進行逐點卷積，生成N個H×W的特征圖，該參數量為：P3=1×1×M×N，則深度可分離卷積網絡運算總參數量為：P4=S×S×1×M+1×1×M×N，深度可分離卷積網絡運算和普通卷積的參數量之比為： ； S32、目標檢測模型訓練：將預處理后的圖像數據輸入到目標檢測模型中訓練，目標檢測模型訓練采用大規模開源NEU表面缺陷檢測數據集； S33、目標檢測模型推理：將實時采集的圖像輸入訓練好的模型中，模型計算每個網格單元包括目標的類別、邊界框位置及置信度在內的預測結果，經過非極大值抑制，去除重復的檢測結果，保留置信度最高的邊界框，并輸出每個檢測到的目標的類別和邊界框坐標； S4、結果顯示與定位：在原圖上繪制邊界框和類別標簽，可視化檢測結果。

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三亞學院，其通訊地址為：572022 海南省三亞市吉陽區學院路191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”。