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！

龙图腾网获悉浙江工业大学申请的专利多层次图像处理与深度学习模型协同的电池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：CN117115125B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202311137503.9，技术领域涉及：G06T7/00；该发明授权多层次图像处理与深度学习模型协同的电池缺陷检测方法是由宋伊晨;刘嘉濛;徐滌平设计研发完成，并于2023-09-05向国家知识产权局提交的专利申请。

本多层次图像处理与深度学习模型协同的电池缺陷检测方法在说明书摘要公布了：本发明提供了一种多层次图像处理与深度学习模型协同的电池缺陷检测方法，属于电池制造和工业检测技术领域。本发明通过传统图像处理算法对初始电池图像进行预处理；利用检测到的圆轮廓对图像进行裁剪，去除变形较大的缺陷样品；经过预处理的电池图像传入深度学习模型，模型利用高级特征提取能力深入进行缺陷检测。本发明的协同方法不仅有助于消除不必要的干扰，同时提高了检测的准确性和效率，在电池质量控制方面具备更强的适应性和实时性，为电池制造业提供了一种高效可靠的质量控制手段，推动电池制造技术的不断发展。

本发明授权多层次图像处理与深度学习模型协同的电池缺陷检测方法在权利要求书中公布了：1.多层次图像处理与深度学习模型协同的电池缺陷检测方法，其特征在于，包括以下步骤： 步骤1、通过图像采集系统对电池产线数据进行实时采集，对电池原始样本进行灰度处理； 步骤2、对预处理后的图片进行轮廓提取，并根据轮廓有无进行初步判断；所述步骤2中，对预处理后的图片进行轮廓提取的具体过程如下： 1对经过灰度处理的图片进行双边滤波处理，在保持边缘信息和图像清晰度的同时有效地去除图像中的噪声； 2利用canny算子，基于图像梯度的变化进行边缘检测，找到边缘像素点获取电池图像的边缘轮廓； 3对经过步骤2处理后的图像进行Hough变换来探测图像中的圆，通过设置min_Radius和max_Radius参数过滤除电池样本轮廓外的圆，设定边缘检测阈值获取电池样本最外侧的圆轮廓，并进行初步检测，若没有检测到圆，则判定为NG样本； 步骤3、若轮廓存在，则根据轮廓半径及坐标信息进行图像裁剪，去除背景信息保留电池图像区域；步骤3中，根据轮廓半径及坐标信息进行图像裁剪的具体过程如下： 1根据识别到的电池图像圆轮廓，利用边界矩形函数获取圆轮廓的最大外接矩形的位置和尺寸信息； 其中尺寸信息包括外界矩形的左上角X坐标，外界矩形的左上角Y坐标，矩形框的宽度W,矩形框的高度H； 2根据原始图像和圆轮廓的外界矩形的信息，并设定尺寸包容阈值r，计算裁剪区域的坐标,,,； 3从原图中裁剪出指定区域，并计算裁剪区域的新圆心位置new_x_center,new_y_center，用于后续操作； 4计算裁剪区域的最大半径max_radius，作为圆的半径信息，用于后续操作； 步骤4、对裁剪后的图像进行变换处理进一步减少背景信息干扰；所述步骤4中，对裁剪后的图像进行变换处理提取最大的圆形区域，减少背景信息的干扰，具体步骤包括： 1根据剪裁之后的图像尺寸信息创建一个大小相同的掩膜mask; 2根据步骤3所获取的new_x_center,new_y_center作为新圆心坐标，max_radius作为半径在掩膜上绘制白色255,255,255的圆； 3利用包容阈值扩展掩膜的大小，同时使用掩膜对裁剪后的图像进行按位与操作，提取最大圆形区域，获取新电池图像作为后续模型输入； 步骤5、将剪裁后的电池图片输入至预先训练的深度学习模型，进行后续缺陷检测。

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浙江工业大学，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路18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”。

以上内容由龙图腾AI智能生成。