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！

龙图腾网获悉西安航空学院申请的专利一种基于机器视觉的零部件缺陷自动检测方法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：CN120833332B 。

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：202511330084.X，技术领域涉及：G06T7/00；该发明授权一种基于机器视觉的零部件缺陷自动检测方法是由董桂华;张康智;褚程;高磊设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本一种基于机器视觉的零部件缺陷自动检测方法在说明书摘要公布了：本发明涉及零部件检测技术领域，公开了一种基于机器视觉的零部件缺陷自动检测方法。该方法先获取目标零部件的三维几何参数，据此在视觉样本库中匹配历史缺陷样本集合；对该集合进行缺陷类型聚类划分，得到多个缺陷类别子集合；逐个处理这些子集合以执行多光谱特征提取，获得每个缺陷类别对应的基准检测区域和缺陷扩散范围参数；利用缺陷扩散范围参数配置多级检测网络层的扫描步长，生成多个尺度缺陷特征图；最后对这些特征图执行跨层级关联融合，生成融合缺陷特征图谱并作为最终检测结果输出。该方法结合三维几何特征与历史数据，通过多光谱提取、自适应扫描及特征融合，提升了零部件缺陷检测的全面性与精准性。

本发明授权一种基于机器视觉的零部件缺陷自动检测方法在权利要求书中公布了：1.一种基于机器视觉的零部件缺陷自动检测方法，其特征在于，包括： 获取目标零部件的三维几何参数，基于所述三维几何参数在视觉样本库中匹配历史缺陷样本集合； 对所述历史缺陷样本集合进行缺陷类型聚类划分，生成多个缺陷类别子集合； 逐个处理所述多个缺陷类别子集合执行多光谱特征提取操作，获得每个缺陷类别对应的基准检测区域和缺陷关联半径参数； 利用所述缺陷关联半径参数配置多级检测网络层的扫描步长，通过所述多级检测网络层对目标零部件表面扫描图像序列执行分层特征解析，生成多个尺度缺陷特征图； 对所述多个尺度缺陷特征图执行跨层级关联融合操作，生成融合缺陷特征图谱，并将所述融合缺陷特征图谱作为最终缺陷检测结果输出； 所述逐个处理所述多个缺陷类别子集合执行多光谱特征提取操作，包括： 从每个缺陷类别子集合中提取表面形变图像序列集合； 识别所述表面形变图像序列集合中局部曲率突变位置，定位基准形变区域坐标集合； 对所述基准形变区域坐标集合执行纹理频谱分析操作，生成基准缺陷特征向量集合； 以所述基准缺陷特征向量集合为索引，在对应表面形变图像序列集合中执行区域扩散计算，确定每个基准形变区域的缺陷关联半径参数，所述缺陷关联半径参数用于表征缺陷核心区域到边缘衰减区域的像素跨度； 所述确定每个基准形变区域的缺陷关联半径参数，包括： 采用区域生长算法从基准形变区域坐标集合出发执行像素扩散操作； 设置灰度相似度容忍阈值控制像素扩散边界，记录扩散终止位置坐标； 计算所述基准形变区域中心坐标与扩散终止位置坐标的欧氏距离，生成原始缺陷关联半径； 对所有原始缺陷关联半径执行加权平均计算，输出修正后的缺陷关联半径参数； 对所述多个尺度缺陷特征图执行跨层级关联融合操作，包括： 从多级检测网络层输出中选取粗粒度缺陷特征图与细粒度缺陷特征图； 计算所述粗粒度缺陷特征图与细粒度缺陷特征图的空间相关性矩阵； 对所述空间相关性矩阵执行归一化映射操作，生成特征关联权重分布图； 利用所述特征关联权重分布图对细粒度缺陷特征图执行加权融合操作，生成跨层级增强特征图； 重复迭代所述加权融合操作直至所有尺度缺陷特征图完成融合，生成所述融合缺陷特征图谱。

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西安航空学院，其通讯地址为：710077 陕西省西安市西二环259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。