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！

龙图腾网获悉佛山市新豪轩智能家居科技有限公司申请的专利门窗表面微小瑕疵检测方法、装置、电子设备及存储介质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：CN120070831B 。

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：202510526120.3，技术领域涉及：G06V10/141；该发明授权门窗表面微小瑕疵检测方法、装置、电子设备及存储介质是由卢俊炫;李敏;朱要林;麦勇杰;冯佐铭;廖育;冯佐星;黄锡康;余启;李和设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。

本门窗表面微小瑕疵检测方法、装置、电子设备及存储介质在说明书摘要公布了：本发明提供了一种门窗表面微小瑕疵检测方法、装置、电子设备及存储介质，涉及门窗缺陷检测技术领域。该方法包括步骤：以预设的光源参数对部件进行照明，并同步采集初始图像；根据初始图像计算SNR值；比较SNR值与预设的SNR阈值，若SNR值低于SNR阈值，则调整光源参数；重复执行SNR值的计算与光源参数的调整，直至SNR值达到最优水平或满足预设的停止迭代条件；采集当前图像并进行缺陷识别和分割，得到缺陷检测结果。本发明的门窗表面微小瑕疵检测方法克服哑光表面弱反射和不均匀LED照明干扰，实现对高速流转的哑光漆面木门部件表面微小划痕和凹陷缺陷的快速、精确、经济且高效的自动化识别。

本发明授权门窗表面微小瑕疵检测方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种门窗表面微小瑕疵检测方法，其特征在于，包括以下步骤： S1.利用多角度环形暗场照明装置，以预设的光源参数对高速流转的哑光漆面木门部件进行照明，并利用高速图像传感器同步采集初始图像；所述光源参数包括照射角度、光照强度或光源分组； S2.根据所述初始图像计算当前照明条件下的SNR值； S3.比较所述SNR值与预设的SNR阈值，若所述SNR值低于所述SNR阈值，则根据预设的优化策略调整所述多角度环形暗场照明装置的光源参数； S4.重复执行所述SNR值的计算与所述光源参数的调整，直至所述SNR值达到最优水平或满足预设的停止迭代条件； S5.当所述SNR值达到最优水平或满足预设的停止迭代条件后，采集当前图像并进行缺陷识别和分割，得到缺陷检测结果； S6.根据所述缺陷检测结果生成检测报告； 步骤S3中的具体步骤包括： S31.当所述SNR值低于所述SNR阈值时，利用缺陷分类模型识别当前图像中的缺陷类型；所述缺陷类型包括划痕缺陷和凹陷缺陷； S32.根据所述缺陷类型从预设的优化策略库中选取优化策略；所述优化策略库包括针对划痕缺陷的第一光源参数调整方案，以及针对凹陷缺陷的第二光源参数调整方案； S33.若识别结果为划痕缺陷，则从所述第一光源参数调整方案中选取一组光源参数，并根据该组光源参数调整所述多角度环形暗场照明装置的光源照射角度和光照强度； S34.若识别结果为凹陷缺陷，则从所述第二光源参数调整方案中选取一组光源参数，并根据该组光源参数调整所述多角度环形暗场照明装置的光源分组和光照强度； 步骤S31中的具体步骤包括： S311.对所述初始图像进行预处理，采用高斯滤波降噪并采用直方图均衡化增强对比度，得到第一预处理图像； S312.将所述第一预处理图像输入到所述缺陷分类模型中，并通过Softmax分类器计算得到所述第一预处理图像属于划痕缺陷和凹陷缺陷的概率值；所述缺陷分类模型包含多个卷积层和池化层的深度卷积神经网络；所述深度卷积神经网络使用包含划痕缺陷和凹陷缺陷的样本集训练得到，且所述深度卷积神经网络的训练采用交叉熵损失函数和Adam优化器； S313.比较所述概率值与预设的概率阈值，若所述划痕缺陷的概率值大于所述概率阈值，则判定所述缺陷类型为划痕缺陷；若所述凹陷缺陷的概率值大于所述概率阈值，则判定所述缺陷类型为凹陷缺陷；若所述划痕缺陷和凹陷缺陷的概率值均小于所述概率阈值，则判定为其他类型缺陷。

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佛山市新豪轩智能家居科技有限公司，其通讯地址为：528200 广东省佛山市南海区桂城街道海五路28号华南国际金融中心1幢20楼01至16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。