Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南农业大学;湖南松安鸿翼科技有限公司刘波获国家专利权

湖南农业大学;湖南松安鸿翼科技有限公司刘波获国家专利权

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!

龙图腾网获悉湖南农业大学;湖南松安鸿翼科技有限公司申请的专利一种基于智能小车视觉的钢材表面缺陷检测方法及应用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:CN119810558B

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:202510014664.1,技术领域涉及:G06V10/764;该发明授权一种基于智能小车视觉的钢材表面缺陷检测方法及应用是由刘波;谭奇鹏;边江勇设计研发完成,并于2025-01-03向国家知识产权局提交的专利申请。

一种基于智能小车视觉的钢材表面缺陷检测方法及应用在说明书摘要公布了:本发明公开了一种基于智能小车视觉的钢材表面缺陷检测方法及应用,涉及机器视觉检测领域,通过路径规划让智能小车自动到达指定检测区域,采集多角度和光照下的缺陷图像,构建并增强数据集,以改进后的YolovV5模型进行训练,生成pt格式模型后转换为onnx格式,并传入嵌入式移动设备中。通过ONNXRuntime和OpenCV实现实时缺陷检测,检测结果上传至上位机进行远程监控和数据存储,确保对钢材缺陷的高效自动化检测和管理;通过将YolovV5模型优化为轻量级的MobileNetV3网络,并引入SE注意力机制,显著降低了模型的计算复杂度和参数量,提升了推理速度,使嵌入式移动设备也能高效完成钢材表面缺陷的实时检测,解决了传统方法因计算量大而导致的低帧率及无法实时检测的问题。

本发明授权一种基于智能小车视觉的钢材表面缺陷检测方法及应用在权利要求书中公布了:1.一种基于智能小车视觉的钢材表面缺陷检测方法,其特征在于,包括以下步骤: S1、智能小车路径规划与动态导航:通过小车上的激光雷达传感器实时采集环境信息,结合多传感器融合的动态窗口路径规划算法,规划小车行进路径,并利用多传感器数据融合实现精准定位和避障,其具体过程包括: S11、激活小车上的激光雷达传感器,实时采集周围环境的平面点云数据,结合摄像头采集的视觉信息进行多模态环境建模; S12、采用基于动态窗口法的路径规划算法,结合多传感器融合技术包括激光雷达、惯性导航和视觉传感器,生成适应障碍变化的动态路径; S13、使用SLAM技术和Gmapping算法生成环境地图,并通过rviz工具可视化点云数据,以监控小车定位与建图效果,设置起点与终点,实现自动导航; S2、缺陷图像采集与多模态数据集构建:在小车行进过程中,嵌入式移动设备通过摄像头采集不同角度和光照下的钢材表面缺陷图像,同时采集表面温度和纹理信息,构建表面缺陷图像的多模态数据集,并对图像进行标注、分类后划分为训练集和测试集; S3、数据增强与轻量化模型训练:对多模态数据中的图像进行数据增强,加入工业环境下的光照、污损模拟,再输入改进后的YolovV5模型进行轻量化训练,生成适用于嵌入式移动设备的模型,所述YolovV5模型的改进方法为通过将原始主干网络替换为轻量级的MobileNetV3网络,并在训练阶段加入SE注意力机制,具体方法步骤如下: S31、对预训练数据集中的图像进行图像增强处理,包括缩放、旋转、HSV颜色变换操作,同时加入工业环境下的光照、污损模拟,处理后的图像随机裁剪并拼接,以生成多样性更高的训练样本; S32、将增强后的图像通过MobileNetV3网络的深度可分离卷积、Hard-Swish激活函数和注意力模块组合提取特征,所述Hard-Swish激活函数是在RELU6激活函数的基础上修改得到的,其中: RELU6x=minmax0,x,6,,x为输入值; S33、通过SE模块对提取的特征图进行增强,以提高对重要特征的检测能力,具体步骤如下:首先对特征图的每个通道进行全局平均池化或全局最大池化,将空间信息压缩成单一值表示,捕捉全局上下文信息;然后通过全连接层和非线性激活函数,生成每个通道的重要性权重,从而调整特征图中各通道的权重,使模型更聚焦于重要特征; S34、在模型训练阶段加入特定的工业场景噪声模拟,再通过全局平均池化进一步优化模型大小以适配嵌入式移动设备,将结果输入分类器进行预测,输出最终结果; S4、模型转换与实时检测:通过ONNXRuntime框架加载轻量化模型,对摄像头采集的实时图像进行推理,自动识别钢材表面缺陷类型及位置,并上传至上位机; S5、上位机远程监控与数据存储:上位机实时监控检测结果,并根据缺陷类型自动生成维修建议,同时将检测数据存储于本地数据库以供后续分析。

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湖南农业大学;湖南松安鸿翼科技有限公司,其通讯地址为:410000 湖南省长沙市芙蓉区农大路1号湖南农业大学13-406;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。