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！

龙图腾网获悉苏州市银洲橡塑五金制品有限公司申请的专利基于机器视觉的橡胶纹路识别方法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：CN119445546B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202411464270.8，技术领域涉及：G06V20/60；该发明授权基于机器视觉的橡胶纹路识别方法是由王华明设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本基于机器视觉的橡胶纹路识别方法在说明书摘要公布了：本发明提供一种基于机器视觉的橡胶纹路识别方法，该方法包括通过相机阵列对待识别橡胶图像进行图像采集，基于图像数据以及深度信息，重建橡胶的点云模型，选择合适角度进行投影获得橡胶的二维图像。将橡胶的二维图像输入预先训练的机器视觉识别模型，该模型结合多尺度调节损失函数增强对不同尺寸大小橡胶的适应性并提高检测准确率，从而输出橡胶纹路的识别信息。本发明可以实现提高橡胶纹路实时识别的准确率与自适应性。

本发明授权基于机器视觉的橡胶纹路识别方法在权利要求书中公布了：1.一种基于机器视觉的橡胶纹路识别方法，其特征在于，所述方法包括： 步骤一：通过RGB-D相机阵列对待识别橡胶进行图像采集，以获得多张包括纹路的橡胶图像数据以及对应的深度信息； 步骤二：基于每张图像以及对应的深度信息重建相应的点云数据，从而得到多个点云数据，利用多个点云数据进行点云融合，得到橡胶的点云模型； 步骤三：选择合适角度，将橡胶的点云模型投影为二维图像； 步骤四：将获得的二维图像数据输入预先训练好的机器视觉识别模型，得到橡胶纹路识别结果； 其中，机器视觉识别模型的训练流程，包括： 将训练集输入到预设的机器视觉识别模型中的特征提取部分，提取橡胶图像的多尺度特征图； 在提取多尺度特征时，引入通道注意力机制，对于每一尺度得到的特征向量f，分别进行全局平均池化与全局最大池化操作，对全局平均池化结果和全局最大池化结果进行加权求和，在不降低通道的维数的情况下，利用一个大小为3的卷积核实现快速1D卷积来获取注意力通道权重，最后获得通道注意力的特征图F，其中大小为3的卷积核代表了局部跨尺度交互的覆盖率，具体计算公式如下： 其中，F为输出特征向量，Pavg（f）为对特征向量f进行全局平均池化，Pmax（f）为对特征向量f进行全局最大池化，w1和w2分别为求和时的权重； 模型训练中损失函数定义为： 其中，BCEclass为分类损失，对于每个预测框，其损失计算如下： C是分类的数量；pc是真实标签的二元编码，如果预测框对应某个类别，则该类别位置的值为1，其余为0；是模型预测框属于类别c的概率； BCEclass是置信度损失函数，用于判断预测框是否包含目标对象，如果预测框与任何真实值的交并比IoU大于预设阈值，则预测为正样本，否则为负样本，交并比IoU是一种用于衡量目标检测算法性能的指标，‌它表示预测框与真实边界框之间的重叠程度，‌当IoU=0时，‌表示预测框与真实边界框没有重叠，‌当IoU=1时，‌表示预测框与真实边界框完全重叠；‌ 其损失计算如下： po是预测框为正样本的真实标签，是模型判断预测框为正样本的概率； CIoU是预测框回归损失函数，其计算方式如下： ρu和ρc分别是预测框和真实边界框的中心点距离，Φu和Φc分别是预测框和真实框的宽高比； MIoU是多尺度调节损失函数，其具体计算方式如下： 其中，w、h为预测框的宽度和高度，wi、hi为预测框和真实框交集区域的宽度和高度，wt、ht为真实框的宽度和高度，wu、hu为包括预测框和真实框最小矩形区域的宽度和高度，x、y表示预测框中心点的水平和垂直坐标，xt、yt表示真实框中心点的水平和垂直坐标； a、b、c、d为总损失函数Ltotal中各项损失函数的权重。

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市银洲橡塑五金制品有限公司，其通讯地址为：215000 江苏省苏州市相城区黄埭镇青龙东街4-2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”。