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！

龙图腾网获悉信华信(大连)软件服务股份有限公司申请的专利一种基于深度学习的一次性餐具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：CN117197090B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202311170492.4，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的一次性餐具表面缺陷检测方法是由兰勇;王治国;段盛晴;王宪勇;王超设计研发完成，并于2023-09-12向国家知识产权局提交的专利申请。

本一种基于深度学习的一次性餐具表面缺陷检测方法在说明书摘要公布了：本发明公开了一种基于深度学习的一次性餐具表面缺陷检测系统，包括以下步骤：步骤S1：多进程实时获取视频流，并根据硬件触发信号分别获取各自进程待处理的一次性餐具图像；步骤S2：各进程对待处理图像进行数据预处理操作，包括矫正裁剪与调节图像的亮度和对比度并进行缩放；步骤S3：将经过预处理的待测图像送入缺陷检测模块中，检测的缺陷类型包括材质缺陷和加工缺陷两部分功能；步骤S4：对三个进程放入共享内存中的检测结果进行后处理，包括减少重复的推送与存储，以及合并结果编码。本发明涉及目标检测与识别技术领域，本发明的有益效果是，采用三个进程进行数据读写与预测，保证目标检测模型的推理性能与计算芯片的使用效率。

本发明授权一种基于深度学习的一次性餐具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一次性餐具表面缺陷检测方法，其特征在于，包括以下步骤： 步骤S1：多进程实时获取视频流，并根据硬件触发信号分别获取各自进程待处理的一次性餐具图像； 步骤S2：各进程对待处理图像进行数据预处理操作，包括矫正裁剪与调节图像的亮度和对比度并进行缩放； 步骤S3：将经过预处理的待测图像送入缺陷检测模块中，检测的缺陷类型包括材质缺陷和加工缺陷两部分功能； 步骤S4：对三个进程放入共享内存中的检测结果进行后处理，包括减少重复的推送与存储，以及合并结果编码； 所述步骤S3中的缺陷检测模块：将数据预处理后的待检测图像送入各自进程控制的缺陷检测模型中，各进程的输出结果为模型检测到的缺陷的类型和位置信息； 所述步骤S3中在所述缺陷检测模型进行缺陷位置信息检测和类型信息识别之前，所述方法还包括： 深度学习缺陷检测模型训练：采集含有不同类型缺陷的一次性餐具图像，将其按缺陷类型分为三类，每一类数据集分别做如下操作：对所有数据进行标注，标注信息为表现缺陷位置的矩形框标签；将标注后的图像按照材质缺陷和加工缺陷，把数据划分为训练集、验证集和测试集；利用所划分的训练集和验证集分别训练缺陷检测模型，将测试集输入到模型中得到缺陷的类型和位置信息，并同时进行模型评估，最终得到匹配材质缺陷和加工缺陷的检测模型； 所述步骤S3中的利用缺陷检测模型进行材质缺陷检测包括：材质缺陷包括死结缺陷、腐朽缺陷，主进程负责检测材质缺陷，将上述完成预处理的待测图像输入至负责材质缺陷检测的模型中，获取到缺陷类型与置信度信息进行后处理，当缺陷的置信度得分大于设定的判定阈值，则材质缺陷检测模块输出存在材质缺陷结果，否则材质缺陷检测模块输出不存在材质缺陷结果，最后将此结果存入共享内存指定位置中，并将第一进程的结果标志位置高，表示第一进程本周期内已检测完成； 步骤S3中的利用缺陷检测模型进行加工缺陷检测包括：加工缺陷包括裂缝、缺肉、油污三种，主进程开启的两个子进程负责对加工缺陷进行检测，将上述预处理结束的待测图像输入至加工缺陷检测模型中，获取到缺陷类型与置信度信息进行后处理，当两个子进程输出的缺陷识别得分，至少有一个大于设定的判定阈值，则加工缺陷检测模块输出存在加工缺陷结果，否则加工缺陷检测模块输出不存在加工缺陷结果，然后将此结果存入共享内存中，并将第二进程与第三进程结果标志位置高，表示第二进程与第三进程本周期内已检测完成。

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信华信(大连)软件服务股份有限公司，其通讯地址为：116000 辽宁省大连市高新技术产业园区黄浦路977号B0415室；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”。

以上内容由龙图腾AI智能生成。