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！

龙图腾网获悉贵州工业职业技术学院;深圳市晶亮兴科技有限公司申请的专利基于深度学习的偏光片缺陷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：CN120471930B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202510980636.5，技术领域涉及：G06T7/00；该发明授权基于深度学习的偏光片缺陷检测方法及系统是由黄宗正;罗红俊;曹鑫;彭超设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于深度学习的偏光片缺陷检测方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的偏光片缺陷检测方法及系统，通过获取待检测偏光片对应的初始图像数据集合，通过图像预处理及特征提取操作从所述初始图像数据集合中提取所述偏光片表面图像中的缺陷候选区域特征和所述偏光片表面的纹理分布特征；将所述缺陷候选区域特征和所述纹理分布特征输入预训练的缺陷识别深度学习模型进行联合缺陷识别操作，生成所述偏光片表面图像的缺陷初步识别结果；基于所述缺陷初步识别结果确定所述待检测偏光片中存在的缺陷的缺陷类型及所述缺陷在偏光片表面的空间分布特征信息。本发明能够实现缺陷检测结果与生产质量控制流程的有效衔接，提升偏光片缺陷检测的实用性和对生产过程的指导价值。

本发明授权基于深度学习的偏光片缺陷检测方法及系统在权利要求书中公布了：1.一种基于深度学习的偏光片缺陷检测方法，其特征在于，所述方法包括： 获取待检测偏光片对应的初始图像数据集合，所述初始图像数据集合包含不同采集角度下的多幅偏光片表面图像； 通过图像预处理及特征提取操作从所述初始图像数据集合中提取所述偏光片表面图像中的缺陷候选区域特征和所述偏光片表面的纹理分布特征； 将所述缺陷候选区域特征和所述纹理分布特征输入预训练的缺陷识别深度学习模型进行联合缺陷识别操作，生成所述偏光片表面图像的缺陷初步识别结果；具体包括：将所述缺陷候选区域特征和所述纹理分布特征沿通道维度拼接，生成初始融合特征向量；调整所述初始融合特征向量中各通道的均值和方差至预设范围，消除不同特征通道间的量纲差异，生成归一化融合特征向量；将所述归一化融合特征向量输入所述缺陷识别深度学习模型的残差网络模块，通过多个残差块对特征向量进行非线性变换和维度提升，每个残差块包含两个卷积层和一个跳跃连接，通过跳跃连接将输入特征直接叠加至卷积层输出特征，生成深层特征表示向量；计算所述深层特征表示向量在空间维度上的平均值，得到具有全局感受野的全局特征向量；将所述全局特征向量通过线性变换映射至预设的缺陷类别空间，生成包含各类别概率值的缺陷概率分布向量；对所述缺陷概率分布向量进行softmax归一化处理，将概率值转换为和为1的概率分布，提取概率值最大的类别作为主要缺陷类别，同时记录概率值大于预设次要阈值的其他类别作为次要缺陷类别；将所述主要缺陷类别、次要缺陷类别及对应的概率值组合得到所述缺陷初步识别结果，所述缺陷初步识别结果还包含每个缺陷类别对应的置信度评分； 基于所述缺陷初步识别结果确定所述待检测偏光片中存在的缺陷的缺陷类型及所述缺陷在偏光片表面的空间分布特征信息。

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贵州工业职业技术学院;深圳市晶亮兴科技有限公司，其通讯地址为：551400 贵州省贵阳市贵州清镇职教城将军石路3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。