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！

龙图腾网获悉尼得科电机(韶关)有限公司申请的专利基于图像识别的防漏胶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：CN120339206B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510382646.9，技术领域涉及：G06T7/00；该发明授权基于图像识别的防漏胶检测方法及系统是由刘隆洋;陈斌设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本基于图像识别的防漏胶检测方法及系统在说明书摘要公布了：本发明提出基于图像识别的防漏胶检测方法及系统，方法包括：将基于多个视角的初始图像数据进行预处理；基于增强图像的每个像素点，通过计算其在多个视角中的加权平均值来消除遮挡误差；计算基于深度学习的漏胶缺陷检测模型的第一损失函数，并基于所述第一损失函数训练所述漏胶缺陷检测模型；设计条件生成对抗网络，计算条件生成对抗网络的第二损失函数；设计基于卷积神经网络的轻量化漏胶缺陷检测模型，生成基于该图像的区域的缺陷概率值。本发明解决防漏胶检测的现有技术中的精度不足、适应性差以及数据不充分等问题。

本发明授权基于图像识别的防漏胶检测方法及系统在权利要求书中公布了：1.基于图像识别的防漏胶检测方法，其特征在于，所述方法包括： 将基于多个视角的初始图像数据进行预处理，并基于预处理后的图像进行局部区域图像增强，并对增强后的图像进行归一化处理，得到像素值归一化的增强图像； 基于增强图像的每个像素点，通过计算其在多个视角中的加权平均值来消除遮挡误差，得到加权平均后的三维点集，并计算每个像素点在三维空间中的法向量，结合邻域点的局部曲率信息进行表面光滑，将处理后的像素点进行加权融合，恢复工件表面的三维几何结构； 基于加权平均后的三维点集、以及所述每个像素点在三维空间中的法向量，计算基于深度学习的漏胶缺陷检测模型的第一损失函数，并基于所述第一损失函数训练所述漏胶缺陷检测模型； 针对所述漏胶缺陷检测模型优化输出的三维点集，设计条件生成对抗网络，计算条件生成对抗网络的第二损失函数，基于第二损失函数对条件生成对抗网络进行训练，生成逼真的漏胶图像，增强所述漏胶缺陷检测模型的训练数据集； 根据所述漏胶缺陷检测模型，设计基于卷积神经网络的轻量化漏胶缺陷检测模型，使用所述漏胶缺陷检测模型输出的图像作为输入，生成基于当前图像的区域的缺陷概率值，基于缺陷概率值进行漏胶缺陷的判断并进行调整； 其中，基于所述三维点集，进行局部曲率和法向量的特征提取，结合局部曲率和法向量的联合描述进行微小形变特征提取，并针对每个视角的深度值进行深度信息融合，调整三维点集中的基于深度信息的权重； 所述基于深度学习的漏胶缺陷检测模型结合卷积神经网络和图神经网络；则计算基于深度学习的漏胶缺陷检测模型的第一损失函数，并基于所述第一损失函数训练所述漏胶缺陷检测模型，包括： 通过卷积神经网络提取每个局部区域的几何特征； 将每个局部区域作为图神经网络中的一个节点，节点之间的连接关系通过邻接矩阵来表达，其中，邻接矩阵反映局部区域中每个三维点集之间的空间距离； 所述第一损失函数包括加权交叉熵损失、几何正则化项以及平滑度正则化项，其中，所涉及加权交叉熵损失用于加大对漏胶区域的关注，所述几何正则化项用于保持表面的几何一致性，避免过度拟合，所述平滑度正则化项用于减少噪声并保持预测结果的平滑性； 使用所述第一损失函数对所述漏胶缺陷检测模型进行训练； 其中，所述条件生成对抗网络包括生成器和判别器，所述生成器的任务是根据输入的三维点集生成合成的漏胶图像，所述判别器的任务是判断输入生成器的图像是否为真实图像； 其中，所述生成器的结构包括多个卷积层和反卷积层，将低维的输入特征映射到高维的图像空间； 所述判别器通过卷积层提取图像的特征，并使用二分类输出，判断输入图像是否为生成器生成的假图像； 所述计算条件生成对抗网络的第二损失函数，基于第二损失函数对条件生成对抗网络进行训练，生成逼真的漏胶图像，增强所述漏胶缺陷检测模型的训练数据集，包括： 基于条件生成对抗网络设计基于最小最大损失的第二损失函数； 根据第二损失函数对所述条件生成对抗网络进行训练，并引入条件控制机制，通过对所述生成器的输入添加三维表面特征作为条件输入，以便生成更真实的漏胶缺陷图像；其中，所述三维表面特征为三维点集、法向量和深度信息。

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尼得科电机(韶关)有限公司，其通讯地址为：512500 广东省韶关市始兴县黄花园工业区内；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。