苏州新川智能装备有限公司唐雷获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉苏州新川智能装备有限公司申请的专利基于智能学习的RFID芯片图像异常检测方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119672426B 。
龙图腾网通过国家知识产权局官网在2025-06-20发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411752482.6,技术领域涉及:G06V10/764;该发明授权基于智能学习的RFID芯片图像异常检测方法及系统是由唐雷;吴挺;邓声雷;张创设计研发完成,并于2024-12-02向国家知识产权局提交的专利申请。
本基于智能学习的RFID芯片图像异常检测方法及系统在说明书摘要公布了:本发明涉及RFID芯片制造技术领域,尤其涉及一种基于智能学习的RFID芯片图像异常检测方法及系统。该方法包括以下步骤:获取实时RFID芯片采样图像集并基于注册模板进行特征对齐,使用对齐图集生成平均灰度图,使用边缘搜索算法得到芯片边缘mask图像集;对RFID芯片边缘mask图像集进行分割,获得RFID芯片有效边缘mask方差图像集;对方差图像集进行整合,获得预生成方差图;获取RFID芯片现场环境数据并进行敏感系数估计,获得边缘敏感系数;对预生成方差图进行卷积滤波平滑处理,获得芯片边缘方差图,基于边缘方差图和平均灰度图构建RFID芯片图像异常检测模型。本发明提高检测的准确性和稳定性。
本发明授权基于智能学习的RFID芯片图像异常检测方法及系统在权利要求书中公布了:1.一种基于智能学习的RFID芯片图像异常检测方法,其特征在于,包括以下步骤:步骤S1:获取实时RFID芯片采样图像集;对实时RFID芯片采样图像注册特征模板并基于特征模板进行图像对齐,从而获得对齐图像集,并对对齐图像集进行平均灰度图计算,从而获得平均灰度图;根据对齐图像集进行RFID芯片边缘查找,从而获得RFID芯片边缘mask图像集;步骤S2:对RFID芯片边缘mask图像集进行边缘mask图像灰度增强,从而获得边缘mask灰度增强图像集,并对边缘mask灰度增强图像集进行自适宜阈值分割,从而获得RFID芯片有效边缘mask图像集;步骤S3:对RFID芯片有效边缘mask图像集进行有效mask图并集处理,从而获得RFID芯片mask并集图像,并根据RFID芯片mask并集图像进行共通边缘特征整合,从而获得预生成方差图;步骤S4:获取RFID芯片现场环境数据,并根据RFID芯片现场环境数据进行线圈密集度评估,从而获得现场环境线圈密集度数据;根据现场环境线圈密集度数据进行边缘敏感系数估计,从而获得边缘敏感系数;步骤S4具体为:步骤S41:获取RFID芯片现场环境数据;步骤S42:对RFID芯片现场环境数据进行RFID芯片线圈分布特征提取,从而获得RFID芯片线圈分布数据;步骤S43:根据RFID芯片线圈分布数据进行区域线圈密集度评估,从而获得区域线圈密集度数据;步骤S44:对区域线圈密集度数据以及RFID芯片边缘特征图像集进行空间关联,从而获得线圈密集度-边缘特征关联数据;步骤S45:根据线圈密集度-边缘特征关联数据进行敏感系数估算,从而获得边缘敏感系数;步骤S5:根据边缘敏感系数对预生成方差图进行卷积滤波平滑处理,从而获得芯片边缘方差图,并基于芯片边缘方差图以及平均灰度图构建RFID芯片图像异常检测模型;通过RFID芯片图像异常检测模型对实时RFID芯片采样图像集进行样本图像异常区域检测,从而获得RFID芯片异常区域图像集;步骤S5具体为:步骤S51:根据边缘敏感系数对预生成方差图进行卷积滤波平滑处理,从而获得芯片边缘方差图;步骤S52:根据芯片边缘方差图进行统计特征提取,从而获得边缘方差图统计特征数据;步骤S53:根据边缘方差图统计特征数据对芯片边缘方差图进行边缘异常识别,从而获得异常图像边缘数据以及正常图像边缘数据;步骤S54:根据异常图像边缘数据以及正常图像边缘数据构建RFID芯片图像异常检测模型;步骤S55:通过RFID芯片图像异常检测模型对实时RFID芯片采样图像集进行样本图像异常区域检测,从而获得RFID芯片异常区域图像集。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人苏州新川智能装备有限公司,其通讯地址为:215000 江苏省苏州市张家港市杨舍镇中兴路168号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。