買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉南京工程學(xué)院申請的專利基于Mask RCNN的飼料外包裝缺陷分級檢測方法獲國家發(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：CN115953360B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-19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：202211584522.1，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)基于Mask RCNN的飼料外包裝缺陷分級檢測方法是由陳燁;路繩方;陳素娟;梁苑;高陽;孟琳;焦良葆設(shè)計研發(fā)完成，并于2022-12-09向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于Mask RCNN的飼料外包裝缺陷分級檢測方法在說明書摘要公布了：本發(fā)明公開了一種基于MaskRCNN的飼料外包裝缺陷分級檢測方法，包括：采集飼料外包裝圖像；在每一張圖像中標(biāo)注出不同種類的外包裝缺陷及對應(yīng)缺陷等級；將標(biāo)注完成的圖像輸入MaskRCNN網(wǎng)絡(luò)中，對MaskRCNN網(wǎng)絡(luò)進(jìn)行訓(xùn)練和保存；采集飼料外包裝圖像后，加載MaskRCNN網(wǎng)絡(luò)，對圖像進(jìn)行處理評判，若檢測到缺陷，則輸出檢測出的缺陷類別及相應(yīng)缺陷等級。本發(fā)明利用改進(jìn)的MaskRCNN網(wǎng)絡(luò)采集到的飼料外包裝圖像進(jìn)行實時圖像處理評判分析，在線給出缺陷類型及缺陷分級檢測結(jié)果，便于根據(jù)不同缺陷等級，采取不同后續(xù)生產(chǎn)流程，進(jìn)而優(yōu)化生產(chǎn)流水線結(jié)構(gòu)，提升生產(chǎn)效率，提高飼料成品的良品率，提升經(jīng)濟效益。

本發(fā)明授權(quán)基于Mask RCNN的飼料外包裝缺陷分級檢測方法在權(quán)利要求書中公布了：1.一種基于MaskRCNN的飼料外包裝缺陷分級檢測方法，其特征在于，包括如下步驟： S1：采集飼料外包裝圖像，組建飼料外包裝圖像數(shù)據(jù)集； S2：運用圖像標(biāo)注工具Labelme對數(shù)據(jù)集中的圖像進(jìn)行標(biāo)注，在數(shù)據(jù)集的每一張圖像中標(biāo)注出不同種類的外包裝缺陷及對應(yīng)缺陷等級； S3：將標(biāo)注完成的數(shù)據(jù)集輸入MaskRCNN網(wǎng)絡(luò)中，采用交叉驗證方法對MaskRCNN網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練時將batch_size設(shè)定為1，將epoch設(shè)定為120，MaskRCNN網(wǎng)絡(luò)訓(xùn)練完后，保存MaskRCNN網(wǎng)絡(luò)模型參數(shù)文件； S4：工業(yè)相機采集飼料外包裝圖像后，將圖像傳輸至工控機，由工控機中利用保存好的MaskRCNN網(wǎng)絡(luò)模型參數(shù)文件加載MaskRCNN網(wǎng)絡(luò)，按采樣周期輸入圖像，對圖像進(jìn)行處理評判，若檢測到缺陷，則輸出檢測出的缺陷類別及相應(yīng)缺陷等級，控制聲光報警裝置發(fā)出警告信息，用以重新包裝； 所述MaskRCNN網(wǎng)絡(luò)包括RepVGG網(wǎng)絡(luò)和FPN網(wǎng)絡(luò)構(gòu)成的backbone網(wǎng)絡(luò)、RPN網(wǎng)絡(luò)和圖像預(yù)測網(wǎng)絡(luò)，標(biāo)注完成的數(shù)據(jù)集中的圖像輸入MaskRCNN網(wǎng)絡(luò)后，由RepVGG網(wǎng)絡(luò)對輸入圖像的特征進(jìn)行提取，當(dāng)RepVGG網(wǎng)絡(luò)對輸入圖像的特征提取完成后，將提取的特征輸入FPN網(wǎng)絡(luò)進(jìn)行特征金字塔特征提取，F(xiàn)PN網(wǎng)絡(luò)輸出輸入圖像的最終特征圖后，將最終特征圖輸入RPN網(wǎng)絡(luò)生成候選框，RPN網(wǎng)絡(luò)輸出各最終候選框?qū)?yīng)的ROI區(qū)域后，圖像預(yù)測網(wǎng)絡(luò)通過多任務(wù)損失函數(shù)計算RPN網(wǎng)絡(luò)輸出的各候選框的損失； 其中，總損失函數(shù)： ， 為缺陷識別邊界框回歸損失函數(shù)，為候選框不同缺陷類別分類損失函數(shù)，為候選框內(nèi)缺陷部分掩膜生成損失函數(shù)； 為衡量缺陷等級的損失函數(shù)： ， 其中為圖像中ROI總個數(shù)；為二值指示變量，當(dāng)?shù)趥€候選框?qū)儆谌毕莸燃墪r，，反之，則為0；表示深度神經(jīng)網(wǎng)絡(luò)輸出的第個候選框?qū)儆谌毕莸燃壍母怕剩琇為總?cè)毕莸燃墧?shù)； 計算的相應(yīng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括2層全連接層，RPN網(wǎng)絡(luò)輸出的包含最終候選框的特征圖依次輸入激活函數(shù)為tanh的全連接層和激活函數(shù)為softmax的全連接層后，輸出每個候選框?qū)儆诟魅毕莸燃壍闹眯哦取?

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)人南京工程學(xué)院，其通訊地址為：211167 江蘇省南京市江寧科學(xué)園弘景大道1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)”。