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！

龙图腾网获悉北京科技大学申请的专利一种风电叶片用拉挤板材表面缺陷的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：CN119399092B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411177439.1，技术领域涉及：G06T7/00；该发明授权一种风电叶片用拉挤板材表面缺陷的检测方法及系统是由马晨;张勇军;杨朝霖;景志远;熊华德设计研发完成，并于2024-08-26向国家知识产权局提交的专利申请。

本一种风电叶片用拉挤板材表面缺陷的检测方法及系统在说明书摘要公布了：本发明提供一种风电叶片用拉挤板材表面缺陷的检测方法及系统，涉及图像处理技术领域，方法包括：获取拉挤板材表面在反射场和背光场下的交叉频闪图像；拆分图像获得反射场和背光场图像；基于反射场图像构建反射场数据集，基于背光场图像构建背光场数据集；构建在反射场和背光场下的视觉检测模型；使用反射场数据集训练反射场下的模型，使用背光场数据集训练背光场下的模型；获取待检测拉挤板材表面在反射场和背光场下的交叉频闪图像；拆分图像获得待检测反射场和背光场图像；将待检测反射场图像输入反射场下的模型，得到反射场检测结果，将待检测背光场图像输入背光场下的模型，得到背光场检测结果；根据反射场和背光场检测结果得到最终检测结果。

本发明授权一种风电叶片用拉挤板材表面缺陷的检测方法及系统在权利要求书中公布了：1.一种风电叶片用拉挤板材表面缺陷的检测方法，其特征在于，包括： S1：获取拉挤板材表面在反射场以及背光场下的交叉频闪图像； S2：对所述交叉频闪图像进行拆分，获取反射场图像以及背光场图像； S3：基于所述反射场图像，构建反射场数据集，基于所述背光场图像，构建背光场数据集； S4：分别构建在反射场以及背光场下的基于深度学习的视觉检测模型； S5：使用所述反射场数据集对在反射场下的视觉检测模型进行训练，使用所述背光场数据集对在背光场下的视觉检测模型进行训练； S6：获取待检测拉挤板材表面在反射场以及背光场下的交叉频闪图像； S7：对所述待检测拉挤板材表面的交叉频闪图像进行拆分，获取待检测反射场图像以及待检测背光场图像； S8：将所述待检测反射场图像输入至训练完成的在反射场下的视觉检测模型中进行检测，得到反射场检测结果，将所述待检测背光场图像输入至训练完成的在背光场下的视觉检测模型中进行检测，得到背光场检测结果； S9：根据所述反射场检测结果以及所述背光场检测结果，得到最终检测结果； 其中，所述S2具体为： 使用基于灰度阈值的图像拆分方法，对所述交叉频闪图像进行拆分，得到所述反射场图像以及所述背光场图像； 其中，所述使用基于灰度阈值的图像拆分方法，对所述交叉频闪图像进行拆分，得到所述反射场图像以及所述背光场图像，具体包括： 对所述交叉频闪图像进行灰度化处理，得到灰度图像； 获取所述灰度图像的全局像素灰度值信息，确定灰度阈值； 以图像行作为拆分单位，将所述灰度图像拆分为多条图像行； 计算每条所述图像行的行像素灰度均值； 筛选出所述行像素灰度均值大于所述灰度阈值的图像行作为反射场图像行，筛选出所述行像素灰度均值小于或者等于所述灰度阈值的图像行作为背光场图像行； 将筛选出的所述反射场图像行以及所述背光场图像行分别按照所述交叉频闪图像的图像行的排列顺序进行拼接，分别获取所述反射场图像以及所述背光场图像； 其中，在所述S2之后，在所述S3之前，还包括： 使用基于图像学的区域提取方法，对所述反射场图像以及所述背光场图像进行裁切，得到反射场检测区域图像以及背光场检测区域图像； 其中，所述使用基于图像学的区域提取方法，对所述反射场图像以及所述背光场图像进行裁切，得到反射场检测区域图像以及背光场检测区域图像，具体包括： 对所述反射场图像进行二值化处理，得到二值图像； 对所述二值图像进行开运算以及膨胀运算，提取所述二值图像中的黑白像素区域； 根据所述黑白像素区域的分界线的坐标，确定裁切边界坐标； 根据所述裁切边界坐标，分别对所述反射场图像以及所述背光场图像进行裁切，获取所述反射场检测区域图像以及所述背光场检测区域图像。

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科技大学，其通讯地址为：100083 北京市海淀区学院路30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。