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！

龙图腾网获悉安福得鑫智能设备有限公司申请的专利基于工业智能传感器的在线AOI检测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：CN120634999B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510720837.1，技术领域涉及：G06T7/00；该发明授权基于工业智能传感器的在线AOI检测系统是由赵伟;赵秋芳;杨木云设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本基于工业智能传感器的在线AOI检测系统在说明书摘要公布了：本发明公开了基于工业智能传感器的在线AOI检测系统，包括图像采集与预处理模块，用于采集工业产品的图像数据，并进行预处理；掩码自编码器建模模块，用于构建掩码自编码器模型；结构参数优化模块，用于优化掩码自编码器模型；图像重建与差异提取模块，用于生成重建图像，提取图像差异区域并确定候选缺陷区域；缺陷识别模块，用于进行边缘提取与聚合分析，识别最终缺陷区域并获取空间位置信息；缺陷分类与标注模块，用于提取缺陷区域特征，生成对应分类标签与等级标签；控制响应模块，用于生成控制指令，并下发至产线控制装置。本发明通过融合掩码自编码器与天牛群优化算法，实现了工业产品表面缺陷的高精度自动识别与实时分类处理。

本发明授权基于工业智能传感器的在线AOI检测系统在权利要求书中公布了：1.基于工业智能传感器的在线AOI检测系统，其特征在于，包括： 图像采集与预处理模块，用于采集工业产品的图像数据，并进行预处理； 掩码自编码器建模模块，用于构建掩码自编码器模型，执行图像掩码、特征提取与重建操作； 结构参数优化模块，用于通过天牛群优化算法优化掩码自编码器模型； 图像重建与差异提取模块，用于生成重建图像，并与图像数据比对，提取图像差异区域并确定候选缺陷区域； 缺陷识别模块，用于对图像差异区域进行边缘提取与聚合分析，识别最终缺陷区域并获取空间位置信息； 缺陷分类与标注模块，用于提取缺陷区域特征，判断类型与等级，生成对应分类标签与等级标签； 控制响应模块，用于基于分类标签与等级标签生成控制指令，并下发至产线控制装置； 包括如下步骤： S1、通过工业智能传感器采集工业产品的图像数据，对图像数据进行图像预处理； S2、构建掩码自编码器模型，所述掩码自编码器模型由编码器和解码器组成，将预处理后的图像数据进行随机掩码操作，生成掩码图像，编码器对掩码图像进行特征提取，解码器对提取的特征进行重建； S3、采用天牛群优化算法对掩码自编码器模型的参数进行优化，依据适应度值引导个体位置迭代更新，获得最优掩码自编码器模型的参数组合； S4、将经优化的掩码自编码器模型用于待检测的工业产品图像数据的重建，生成重建图像，对比重建图像与图像数据，提取图像差异区域，识别出缺陷区域； S5、对缺陷区域进行分类，依据缺陷形状、位置和面积的特征参数将缺陷划分为刮痕、裂纹、异物和变色类型，并记录缺陷位置信息与缺陷等级标签； S6、将缺陷识别与分类结果下发至产线控制装置，触发相应的剔除控制、报警信号和产品分拣机制，实现在线实时缺陷处理； 所述S2具体包括： S21、将预处理后的图像数据表示为三维张量，其中，为图像高度，为图像宽度，为图像通道数，为实数集，在缺陷检测应用过程中，统计已识别缺陷区域在图像坐标系中的累计分布频次，生成对应产品类型的历史缺陷分布信息； S22、将三维张量划分为若干大小为的图像块，形成图像块集合，其中表示第个图像块，，为图像块总数； S23、根据历史缺陷分布信息生成缺陷先验热图，获取每个图像块的缺陷概率评分值，设定缺陷掩码阈值参数，当时，将对应图像块设为掩码块； S24、将被设为掩码块的图像块进行置零处理，与未掩码图像块组合形成掩码图像张量； S25、构建掩码自编码器模型，所述掩码自编码器模型由编码器、解码器、多尺度融合模块和特征嵌入模块组成，编码器接收掩码图像张量，提取潜在特征表示，所述编码器由若干卷积层或Transformer编码块组成； S26、所述解码器由三个并行的重建路径构成，分别对应低分辨率、中分辨率和高分辨率输出，生成重建图像张量、、； S27、引入多尺度重建权重系数向量，控制所述重建图像张量在最终融合图像中的占比； S28、在所述潜在特征表示上引入对比学习机制，构建正负样本对，设置信息温度参数控制相似度计算中的尺度敏感性； S29、构建图像结构特征感知模块，对输入图像进行纹理复杂度、边缘密度和灰度分布特征提取，形成图像结构特征向量，基于图像结构特征向量选择缺陷掩码阈值参数、多尺度重建权重系数向量和对比学习信息温度参数的初始设定值，适应不同类型图像的结构差异； S210、利用所述缺陷掩码阈值参数、多尺度重建权重系数向量和对比学习信息温度参数完成掩码自编码器模型的结构构建与模块配置，所述结构构建包括设定编码器中卷积层和Transformer编码块的输入图像格式、掩码块位置索引与特征输出通道数，设定解码器中三个分辨率重建路径的卷积核尺寸与融合系数，配置多尺度融合模块匹配多尺度重建权重系数向量，同时在特征嵌入模块中引入对比学习信息温度参数，同时在特征嵌入模块中引入对比学习信息温度参数，其中，为缺陷掩码阈值参数，为多尺度重建权重系数向量，为对比学习信息温度参数； S32、初始化天牛群优化算法的搜索参数，包括天牛个体总数、最大迭代次数、初始感知半径、搜索步长，设置策略控制因子，所述策略控制因子包括指数衰减因子、历史适应度波动率参数和图像任务类型反馈因子，并构建包含主天牛个体、引导天牛个体与探索天牛个体的多角色天牛个体群体； S33、针对每一轮迭代，基于指数衰减因子、历史适应度波动率与图像任务类型反馈因子联合动态调整感知半径； S34、根据当前天牛个体位置与搜索方向向量，计算左触角采样点和右触角采样点； S35、分别在左触角采样点和右触角采样点构建对应的掩码自编码器模型，应用于验证图像样本，对图像执行重建与缺陷区域识别，通过构建适应度函数计算左触角采样点的适应度函数值和右触角采样点的适应度函数值； S36、引入领域引导方向扰动机制，对搜索方向向量添加基于图像结构特征生成的高斯扰动； S37、根据更新后的搜索方向向量和搜索步长，更新天牛个体位置； S38、在每轮迭代中，根据天牛个体的适应度值从高到低进行排序，并按照适应度排名对天牛个体划分为三类角色，包括主天牛个体、引导天牛个体和探索天牛个体，具体如下： 选取当前适应度值排名第1的天牛个体作为主天牛个体，主天牛个体在当前位置附近执行局部收敛搜索，主天牛个体的感知半径和搜索步长分别设置为初始感知半径和初始搜索步长的，方向更新不引入扰动项； 选取当前适应度值排名第2至第位的天牛个体作为引导天牛个体群，其中为引导个体数，取总天牛个体数的；引导天牛个体的感知半径和搜索步长分别设置为初始感知半径和初始搜索步长的，方向向量更新中引入高斯扰动项，其中协方差矩阵为对角阵，主对角线元素设定在初始感知半径的； 将剩余排名在第及以后位置的天牛个体划分为探索天牛个体群，探索天牛个体的感知半径和搜索步长分别设置为初始感知半径和初始搜索步长的，方向向量更新过程中引入高斯扰动向量，其中协方差矩阵为对角阵，主对角线元素取初始感知半径的，模拟全维度的大尺度扰动行为； 所有天牛个体完成位置更新后，分别计算适应度值，并记录适应度值最高的天牛个体对应的参数组合作为当前轮次最优解； S39、判断是否满足终止条件，若，则进入下一轮迭代，否则执行输出操作； S310、输出最终全局最优参数组合，用于构建最终的掩码自编码器模型结构并应用于缺陷区域识别任务中。

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安福得鑫智能设备有限公司，其通讯地址为：343200 江西省吉安市安福县工业园振兴大道旁；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。