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！

龍圖騰網獲悉杭州騰聚科技有限公司申請的專利一種基于深度學習的工業視覺識別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：CN120339964B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510806752.5，技術領域涉及：G06V20/52；該發明授權一種基于深度學習的工業視覺識別方法及系統是由周峰;金湘波;鄭誠;陳龍飛;徐進;朱文韜;曹瀟萍設計研發完成，并于2025-06-17向國家知識產權局提交的專利申請。

本一種基于深度學習的工業視覺識別方法及系統在說明書摘要公布了：本發明屬于質量檢測技術領域，本發明公開了一種基于深度學習的工業視覺識別方法及系統；其方法包括：通過多角度圖像獲取、多尺度降噪優化及焊點特征增強處理，構建高質量的焊接圖像序列；采用自適應特征提取和跨尺度特征融合技術，生成融合焊接特征張量；利用注意力機制增強和自動分割技術，實現焊點區域的精確提取和微觀缺陷增強識別；結合歷史焊接質量評估數據，進行動態特征關聯分析，構建質量評估模型；通過多維度缺陷類型識別和自適應質量等級評估，建立焊接質量診斷策略；最終實現焊點缺陷的動態質量預測和實時監控。本發明實現了焊接質量的精準評估和實時監控，有效降低了質量成本和返工率。

本發明授權一種基于深度學習的工業視覺識別方法及系統在權利要求書中公布了：1.一種基于深度學習的工業視覺識別方法，其特征在于，包括： 步驟S1：獲取芯線焊接多角度圖像數據集；對芯線焊接多角度圖像數據集進行多尺度降噪優化，并進行焊點特征增強處理，得到增強型芯線焊接圖像序列；其中，所述焊點特征增強處理包括：對降噪圖像數據進行多方向梯度計算，得到焊點邊緣梯度特征； 根據焊點邊緣梯度特征進行邊緣候選區域提取，得到焊點邊緣候選區域； 對焊點邊緣候選區域進行邊緣連續性分析，生成邊緣連續性評分； 基于邊緣連續性評分對降噪圖像數據進行參數化邊緣增強處理，以生成邊緣銳化參數范圍； 基于邊緣銳化參數范圍對降噪圖像數據進行自適應銳化處理，標記關鍵邊緣特征點； 對關鍵邊緣特征點進行非線性邊緣增強優化，以生成邊緣增強圖像數據； 步驟S2：對增強型芯線焊接圖像序列進行自適應特征提取，生成多層次焊接特征圖譜；對多層次焊接特征圖譜進行跨尺度特征融合，生成融合焊接特征張量； 步驟S3：對融合焊接特征張量進行焊點區域自動分割，得到焊點區域特征矩陣；對焊點區域特征矩陣進行微觀缺陷增強識別，得到焊點缺陷特征空間； 步驟S4：獲取歷史焊接質量評估數據及對應圖像標注數據；對歷史焊接質量評估數據進行缺陷類型分布分析，生成缺陷類型分布圖譜；對缺陷類型分布圖譜進行動態特征關聯分析，以生成焊接質量評估特征；對焊接質量評估特征進行多層次神經網絡訓練，構建焊接質量評估模型； 所述動態特征關聯分析包括：基于缺陷類型分布圖譜提取多種缺陷特征參數； 根據多種缺陷特征參數對歷史焊接質量評估數據進行缺陷嚴重程度計算，以得到缺陷嚴重度指標； 對缺陷類型分布圖譜進行缺陷空間分布分析，得到缺陷空間分布特征； 根據缺陷嚴重度指標對缺陷空間分布特征進行相關性分析，得到缺陷關聯特征數據； 基于缺陷類型分布圖譜識別焊接工藝參數影響因素； 基于所述工藝參數影響因素進行缺陷成因關聯分析，得到工藝參數關聯數據； 對工藝參數關聯數據及缺陷關聯特征數據進行動態特征融合分析，以生成焊接質量評估特征； 步驟S5：利用焊接質量評估模型對焊點缺陷特征空間進行多維度缺陷類型識別，并進行自適應質量等級評估，構建焊接質量診斷策略； 步驟S6：基于焊接質量診斷策略對焊點缺陷特征空間進行動態質量預測，構建芯線焊接質量實時監控模型。

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杭州騰聚科技有限公司，其通訊地址為：310000 浙江省杭州市臨平區塘棲鎮興國路505號6幢202室；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”。