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！

龙图腾网获悉电子科技大学中山学院申请的专利基于深度支持向量描述的LED灯带缺陷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：CN116433568B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202210393655.4，技术领域涉及：G06T7/00；该发明授权基于深度支持向量描述的LED灯带缺陷检测方法及系统是由周文辉;黄磊;邹昆;彭芳设计研发完成，并于2022-04-15向国家知识产权局提交的专利申请。

本基于深度支持向量描述的LED灯带缺陷检测方法及系统在说明书摘要公布了：本发明公开了一种基于深度支持向量描述的LED灯带缺陷检测方法及系统，涉及计算机视觉技术领域。具体步骤为：获取单颗LED灯珠的正发光图像；对所述正发光图像进行阈值分割，划分正常样本及异常样本；通过Contractive‑DeepSVDD神经网络对所述正发光图像进行模型训练，获得训练模型，得到原始特征空间的最小超球表示，计算超球面半径以及异常分数并划分阈值；利用所述正常样本及异常样本对所述训练模型进行测试，评估模型性能，判断所述正发光图像是否存在缺陷。本发明提供一种深度单分类算法及实施实例，能够端对端实现同时检测LED灯带产品是否存在明度与色差缺陷。

本发明授权基于深度支持向量描述的LED灯带缺陷检测方法及系统在权利要求书中公布了：1.一种基于深度支持向量描述的LED灯带缺陷检测方法，其特征在于，具体步骤包括如下： 获取单颗LED灯珠的正发光图像； 对所述正发光图像进行阈值分割，划分正常样本及异常样本； 通过Contractive-DeepSVDD神经网络对所述正发光图像进行模型训练，获得训练模型，得到原始特征空间的最小超球表示，计算超球面半径以及异常分数并划分阈值； 利用所述正常样本及异常样本对所述训练模型进行测试，评估模型性能，判断所述正发光图像是否存在缺陷； 使用的卷积神经网络模型为： 预训练使用的卷积收缩自编码器使用LeNet-5轻量模型，模型结构为Encoder层分为两层卷积层以及一层全连接层，第一层卷积层使用4x4的卷积核，个数为8，第二层卷积核为4x4，个数为4，卷积步长为1，卷积层接2x2最大池化层以及LeakyRelu激活函数作为下一层输出，Decoder层与Encoder层具有完全对称的网络结构，通过最小化重构误差获得输入图片和输出全连接的无偏表示，中间层作为Encoder输出，中间层输出32维向量参数，复制预训练后的Encoder模型参数作为Contractive-DeepSVDD神经网络参数； 使用的Contractive-DeepSVDD网络模型，训练过程为： Contractive-DeepSVDD是在DeepSVDD的基础之上，通过引入收缩惩罚项，将输入降维，迫使深度模型保持对输入样本的恒等映射关系，在最小化雅各比矩阵损失条件下，迫使降维后的数据对于输入梯度变化不敏感，捕捉样本在低维流行空间的结构，增强模型的鲁棒性，同时将数据投影到最小空间超球面中，优化函数为： 其中，最优化目标为训练神经网络参数W，通过最小化损失函数Jθ,得到所有正常样本点到最小收缩超球面的恒等映射，其中，Wl表示使用正则约束的网络层参数，等价于W，n是正常灯珠发光样本数量，xi是数据样本，与图像格式及尺寸相关；c是超球体中心，通过收缩自编码器预训练之后取得，φxi；W表示原样本通过自编码器降维后所输出的特征向量，为惩罚项雅各比矩阵，μ和λ分别为两个正则化参数的惩罚因子；训练时预设所有样本被正确划分，即不存在异常灯带样本干扰，得到硬间隔最小超球面模型。

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电子科技大学中山学院，其通讯地址为：528402 广东省中山市石岐区学院路1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”。