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！

龙图腾网获悉安徽师范大学申请的专利一种透明导电薄膜玻璃表面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：CN117252817B 。

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：202311111087.5，技术领域涉及：G06T7/00；该发明授权一种透明导电薄膜玻璃表面缺陷检测方法及系统是由钱强;丁绪星;周学顶;任悦悦设计研发完成，并于2023-08-31向国家知识产权局提交的专利申请。

本一种透明导电薄膜玻璃表面缺陷检测方法及系统在说明书摘要公布了：本发明涉及计算机视觉目标检测技术领域，特别是涉及一种透明导电薄膜玻璃表面缺陷检测方法及系统。包括将透明导电薄膜玻璃置于光源场型结构内；采集透明导电薄膜玻璃的表面缺陷图片，构建透明导电薄膜玻璃的表面缺陷数据集，利用数据增强算法及超分辨率对抗网络对表面缺陷数据集进行预处理；构造缺陷检测模型，采用重参数化卷积对数据集进行下采样，将位置敏感卷积模块融入缺陷检测模型的骨干网络和颈部网络，提取表面缺陷数据集的深层与浅层特征；将表面缺陷数据集的深层与浅层特征输入至轻量化检测模型中提取缺陷特征，预测透明导电薄膜玻璃的缺陷类别。本发明使用轻量化结构降低了模型的参数量、计算量，提高了模型预测准确率。

本发明授权一种透明导电薄膜玻璃表面缺陷检测方法及系统在权利要求书中公布了：1.一种透明导电薄膜玻璃表面缺陷检测方法，其特征在于，包括： S1、设计明暗交替的光源场型结构，并将所述透明导电薄膜玻璃置于所述光源场型结构内； S2、采集透明导电薄膜玻璃的表面缺陷图片，构建透明导电薄膜玻璃的表面缺陷数据集，利用数据增强算法及超分辨率对抗网络对表面缺陷数据集进行预处理； S3、构造缺陷检测模型，采用重参数化卷积对数据集进行下采样，将位置敏感卷积模块融入所述缺陷检测模型的骨干网络和颈部网络，提取表面缺陷数据集的深层与浅层特征； S4、根据所述缺陷检测模型，将所述表面缺陷数据集的深层与浅层特征输入至轻量化检测模型中提取缺陷特征，通过检测器预测透明导电薄膜玻璃的缺陷类别； 步骤S3中的构造缺陷检测模型，采用重参数化卷积对数据集进行下采样，提取表面缺陷数据集的深层与浅层特征包括： S31、使用非对称重参数化深度可分离卷积替换YOLOv5中3×3下采样卷积，非对称重参数化深度可分离卷积的卷积核大小为1，3和3，1； S32、所述非对称重参数化深度可分离卷积包括逐通道卷积与逐点卷积，所述逐通道卷积与非对称卷积并联，将逐通道卷积卷积后的表面缺陷数据集叠加输入到下一层中，非对称卷积的卷积核大小为1，3和3，1，所述非对称卷积与逐通道卷积对表面缺陷数据集的前四分之一连续通道进行卷积处理，卷积采用残差连接，当所述非对称重参数化深度可分离卷积为下采样卷积时，所述逐通道卷积中未做卷积的表面缺陷数据集通过平均池化将尺寸放大或缩小至原尺寸的一半，所述逐点卷积不使用残差连接，所述非对称重参数化深度可分离卷积只保留逐通道卷积和逐点卷积的主体结构，所述逐通道卷积的卷积核与所述非对称卷积融合，融合后卷积核为： 其中，Φ·函数表示将非对称卷积的卷积核尺寸扩大至逐通道卷积的卷积核的尺寸大小，表示融合后卷积核，k表示逐通道卷积的卷积核，kX、kY分别表示横向和纵向的非对称卷积的卷积核，i表示通道数，x、y表示卷积核横向和纵向长度，逐通道卷积与残差连接融合，将残差连接等效为卷积核尺寸为1×1，卷积核值为1的卷积核并与逐点卷积的卷积核融合，同时将所有卷积核归一化层叠加至卷积操作，其公式为： 其中，yi表示输出特征图，xi表示输入特征图，a、b分别表示卷积权重和偏置，γ、β表示可学习的参数，υ、σ2表示一个批次输入的均值和标准差，ε表示为了防止分母出现为0的情况。

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安徽师范大学，其通讯地址为：241000 安徽省芜湖市弋江区九华南路189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”。