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！

龙图腾网获悉华侨大学;福建众益太阳能科技股份公司申请的专利基于深度学习的工业产品表面缺陷检测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：CN115511812B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202211138132.1，技术领域涉及：G06T7/00；该发明授权基于深度学习的工业产品表面缺陷检测方法是由杜永兆;陈海信;傅玉青;柯钦怀;陈光焱设计研发完成，并于2022-09-19向国家知识产权局提交的专利申请。

本基于深度学习的工业产品表面缺陷检测方法在说明书摘要公布了：本发明一种基于深度学习的工业产品表面缺陷检测方法，在工业流水线上拍摄，采集得到工业产品表面缺陷数据集；使用优化后的YOLOX深度学习网络模型构建工业产品表面缺陷检测模型，通过主干特征提取网络CSPDarknet提取不同尺度特征；通过颈部网络对特征进行深度融合特征提取，增强不同尺度特征的表达；通过基于无锚框检测器的YOLOXHead作为检测头生成工业产品表面缺陷检测模型；训练网络模型；载入权值文件，并使用网络模型对工业产品图像进行表面缺陷检测，生成预测结果并显示缺陷类型和缺陷位置。本发明不仅提升了网络模型对特征空间位置信息和不规则分布的缺陷的捕获能力，并且在提升精度的同时降低模型的参数量，使本发明能够移植应用于移动端或嵌入式设备。

本发明授权基于深度学习的工业产品表面缺陷检测方法在权利要求书中公布了：1.一种基于深度学习的工业产品表面缺陷检测方法，其特征在于包括如下步骤： 步骤S1、在工业流水线上拍摄，采集工业产品表面的原始图像； 步骤S2、对工业产品表面的原始图像进行缺陷类别标注，得到工业产品表面缺陷数据集： 步骤S3、以工业产品表面缺陷数据集中的缺陷图像作为输入，并对输入图像进行数据增强； 步骤S4、使用优化后的YOLOX深度学习网络模型构建工业产品表面缺陷检测模型，所述优化后的YOLOX深度学习网络模型包括Focus模块、基础卷积模块、可形变卷积模块、CSPLayer层、主体残差循环块结构、坐标注意力机制模块、YOLOXHead模块； 所述CSPLayer层，通过大残差块嵌套小残差块对网络进行特征提取操作；其中，大残差块为1个1×1卷积核大小的基础卷积模块，小残差块为1个连续的1×1卷积核大小的基础卷积模块和1个增强形变特征提取模块；该增强形变特征提取模块包括：首先依次使用1个1×1卷积核大小的基础卷积模块和3×3卷积核大小基础卷积模块进行特征提取，其次，依次使用1个3×3卷积核大小的可形变卷积模块和1个3×3卷积核大小的基础卷积模块进行特征提取，再次，使用1条残差边进行特征提取，主干特征提取网络对小残差块进行循环的主要特征提取操作，循环结束后，将小残差块与大残差块所提取特征进行信息叠加操作； 所述YOLOXHead模块，使用基础卷积模块对输入的特征层进行通道的处理，然后进行切分，一边依次使用1对3×3卷积核大小的基础卷积模块对进行特征提取以用于分类任务，另一边引入增强形变特征卷积模块，依次使用一个3×3卷积核大小的可形变卷积模块和1个3×3卷积核大小的基础卷积模块进行特征提取，通道调整后切分用于回归任务和目标任务； 所构建的网络模型执行如下步骤： 通过主干特征提取网络CSPDarknet提取不同尺度特征； 通过颈部网络对特征进行深度融合特征提取，增强不同尺度特征的表达； 通过基于无锚框检测器的YOLOXHead作为检测头生成工业产品表面缺陷检测模型； 步骤S5、训练网络模型 将步骤S3得到的数据增强过的工业产品表面缺陷数据集划分为训练集、测试集和验证集，使用划分后的数据集对网络模型进行训练，生成训练后的工业产品表面缺陷检测模型；在工业产品表面缺陷检测模型训练过程中采用损失函数，使用优化器对损失函数中的权值进行更新，直到训练结束，保存训练完成后网络模型的权值文件； 步骤S6、对训练后得到的权值文件进行载入，并使用步骤S5训练好的网络模型对工业产品图像进行表面缺陷检测，生成预测结果并显示缺陷类型和缺陷位置。

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华侨大学;福建众益太阳能科技股份公司，其通讯地址为：362000 福建省泉州市城华北路269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”。