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！

龍圖騰網獲悉江蘇綠能汽配科技有限公司申請的專利基于視覺的汽車塑料件表面瑕疵識別方法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：CN120125969B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202510218936.X，技術領域涉及：G06V10/82；該發明授權基于視覺的汽車塑料件表面瑕疵識別方法是由杜建設計研發完成，并于2025-02-26向國家知識產權局提交的專利申請。

本基于視覺的汽車塑料件表面瑕疵識別方法在說明書摘要公布了：本發明涉及工業智能檢測技術領域，公開了基于視覺的汽車塑料件表面瑕疵識別方法。該方法通過獲取歷史汽車塑料件表面圖像并建立數據集，經過預處理、標注及劃分后，搭建基于生成對抗網絡的深度學習模型進行訓練，得到汽車塑料件表面瑕疵識別模型。該模型能夠實時采集汽車塑料件表面圖像，并識別出劃痕、氣泡、缺料和熔接線等多種瑕疵類型，適應不同光照條件和拍攝角度的變化。同時，采用動態閾值判定機制和模型解釋模塊，及時發現并報警瑕疵問題，提高生產效率和產品質量。該方法具有高度的可擴展性和靈活性，為汽車塑料件制造行業的智能化轉型提供了有力支持。

本發明授權基于視覺的汽車塑料件表面瑕疵識別方法在權利要求書中公布了：1.基于視覺的汽車塑料件表面瑕疵識別方法，其特征在于，所述方法包括： 步驟S100：獲取歷史汽車塑料件表面圖像，對該圖像進行預處理后，建立汽車塑料件表面數據集； 步驟S200：對汽車塑料件表面數據集進行標注，并劃分為訓練集和驗證集； 步驟S300：搭建基于生成對抗網絡的深度學習模型； 所述基于生成對抗網絡的深度學習模型包括： 生成器網絡，采用U-Net架構，包含8層下采樣-上采樣結構，用于逐步提取和恢復汽車塑料件表面圖像特征，每層集成殘差塊與自注意力機制模塊，其中第3-5層嵌入Transformer編碼器單元，捕捉長距離依賴關系，學習跨區域瑕疵的特征關聯，輸出端采用譜歸一化卷積層生成512×512高分辨率特征圖； 所述生成器網絡具體包括： 輸入層采用帶位置編碼的4通道張量，標記瑕疵位置特征； 下采樣階段包含4個殘差塊，每個殘差塊由2個3×3譜歸一化卷積層構成，中間插入基于SwinTransformer的窗口自注意力模塊； 瓶頸層集成3個級聯的Transformer編碼單元，每個單元包含12個注意力頭及2048維前饋網絡； 上采樣階段采用亞像素卷積技術，配合自適應實例歸一化進行多層次圖像特征融合； 輸出層采用tanh激活函數，結合通道注意力門控機制生成包含局部細節增強的合成圖像； 判別器網絡，構建多尺度金字塔式架構，包含3個并行卷積流，分別處理原始分辨率、12降采樣及14降采樣圖像，捕捉汽車塑料件表面不同尺度瑕疵，各支路采用深度可分離卷積與自適應實例歸一化技術，適應不同圖像特征分布，末端通過門控融合模塊集成多尺度圖像特征； 所述判別器網絡具體包括： 多尺度輸入分支采用自適應重采樣技術，動態調整各支路輸入汽車塑料件表面圖片分辨率； 各卷積流包含5個階段，每階段采用深度可分離卷積自適應實例歸一化組合，并采用LeakyReLU激活函數，提取汽車塑料件表面不同大小和形狀瑕疵的多尺度特征； 特征融合模塊采用可微分神經架構搜索生成的拓撲結構，集成跨尺度特征交互機制，融合汽車塑料件表面不同大小和形狀瑕疵的多尺度特征； 判別頭包含區域聚焦機制，通過實時生成的顯著性圖對關鍵區域施加3倍權重； 訓練過程采用Wasserstein損失函數，集成梯度懲罰和頻譜正則化約束，提高判別器網絡訓練穩定性和收斂速度； 分類模塊包含并聯的注意力機制層和全連接層，其中注意力機制層采用動態多頭自注意力機制，設置12個注意力頭并集成通道注意力模塊，從不同角度分析汽車塑料件表面瑕疵特征，全連接層采用混合專家系統架構，包含32個專家網絡和可學習的門控控制器，判斷瑕疵類型； 步驟S400：將訓練集輸入基于生成對抗網絡的深度學習模型中進行訓練，訓練過程采用驗證集進行驗證，得到汽車塑料件表面瑕疵識別模型； 步驟S500：實時采集汽車塑料件表面圖像，輸入汽車塑料件表面瑕疵識別模型得到汽車塑料件表面瑕疵識別結果。

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江蘇綠能汽配科技有限公司，其通訊地址為：221200 江蘇省徐州市睢寧縣永昶路905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”。