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！

龙图腾网获悉北京大学深圳研究生院申请的专利一种物体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：CN115661097B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211362792.8，技术领域涉及：G06T7/00；该发明授权一种物体表面缺陷检测方法及系统是由杨戈;张健;丁润伟设计研发完成，并于2022-11-02向国家知识产权局提交的专利申请。

本一种物体表面缺陷检测方法及系统在说明书摘要公布了：本发明公开一种物体表面缺陷检测方法及系统，属于机器视觉中的工业视觉异常检测领域，改进了实时的图像分割网络Fast‑SCNN，构建一种物体表面缺陷检测网络，该网络包括编码器和解码器；该编码器包括卷积模块、细节分支和语义分支；该解码器包括金字塔池模块PPM和全局上下文上采样模块GCU；利用该物体表面缺陷检测网络能够实时、快速和准确地检测物体表面缺陷。

本发明授权一种物体表面缺陷检测方法及系统在权利要求书中公布了：1.一种物体表面缺陷检测方法，其特征在于，包括以下步骤： 构建物体表面缺陷检测网络，该网络包括编码器和解码器；该编码器包括卷积模块、细节分支和语义分支；该解码器包括金字塔池模块PPM和全局上下文上采样模块GCU； 对物体表面缺陷检测网络进行训练，训练步骤包括： 将包含不同缺陷类型图像的训练集输入到物体表面缺陷检测网络中，编码器的卷积模块提取训练集图像的低层特征图，并输入到解码器的PPM模块； 编码器的细节分支和语义分支执行两个辅助任务，其中，编码器的细节分支执行边界检测任务，提取训练集图像中的缺陷边界特征；编码器的语义分支执行多标签分类任务，预测图像中包含的缺陷类型，生成真值标签并对所述边界特征进行监督；将所述边界特征作为高层特征图，输入到解码器中；所述真值标签的计算方法为：采用拉普拉斯算子计算图像的二阶梯度，使用3个不同步长的拉普拉斯卷积计算得到不同尺度的3个边界细节特征图；然后上采样该3个细节特征图到输入图像的原始尺寸，然后拼接该3个边界细节特征并经过二维卷积动态调整权重，得到边界的真值标签；所述拉普拉斯算子采用算子模板进行离散计算； 解码器的GCU模块将所述高层特征图与所述低层特征图进行信息融合，并将融合后的特征图通过双线性插值上采样和argmax得到缺陷类型检测结果； 所述辅助任务采用二元交叉熵损失函数，基于该损失函数优化网络参数，完成训练； 利用训练好的物体表面缺陷检测网络进行物体表面缺陷的检测，采集物体表面缺陷图像并进行处理，识别物体表面缺陷类型。

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北京大学深圳研究生院，其通讯地址为：518055 广东省深圳市南山区西丽深圳大学城北京大学校区；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。