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！

龙图腾网获悉中国科学技术大学申请的专利融合图像处理算法和深度学习的印刷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：CN115937095B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211376432.3，技术领域涉及：G06T7/00；该发明授权融合图像处理算法和深度学习的印刷缺陷检测方法及系统是由宋艳枝;刘子恒;杨周旺设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本融合图像处理算法和深度学习的印刷缺陷检测方法及系统在说明书摘要公布了：本发明公开了一种融合图像处理算法和深度学习的印刷缺陷检测方法及系统，包括：采用两阶段two‑stage方法对降噪后的印刷图片进行点位子图抠取，从而将印刷整图分为三类子图：常量子图、变量字符子图、条码二维码子图；针对常量子图，采用差分法进行缺陷检测；针对变量字符子图，添加数据构造模块，减少人工标注成本，搭建使用SiLU作为激活函数的Yolo‑V5模型对变量字符进行分割，对于分割后的单个字符，利用差分法对字符进行缺陷检测；针对条码二维码子图，搭建改进嵌入向量生成方式的Padim模型对条码二维码进行缺陷检测；最后综合各子图的缺陷检测结果作为输出，很好地发挥了图像处理算法和深度学习各自的优势，检测效果比直接利用整图做缺陷检测有了较大提升。

本发明授权融合图像处理算法和深度学习的印刷缺陷检测方法及系统在权利要求书中公布了：1.一种融合图像处理算法和深度学习的印刷缺陷检测方法，其特征在于，包括以下步骤： 步骤1：对印刷图片进行预处理，首先对印刷图片进行降噪，然后基于模板图片与模板点位信息，采用两阶段two-stage方法对印刷图片进行点位子图抠取，从而将印刷图片分为三类子图，三类子图分别为常量子图、变量字符子图、条码二维码子图； 步骤2：针对预处理后的三类子图的特性，分别进行常量缺陷检测、变量字符缺陷检测、条码二维码缺陷检测，其中： 所述常量缺陷检测步骤如下： 基于图像处理算法对印刷图片中的常量子图进行缺陷检测，得到常量缺陷检测结果； 所述变量字符缺陷检测步骤如下： 11利用图像处理算法，生成带标注的字符分割训练数据； 12搭建基于神经网络结构的字符分割模型，并基于步骤11中的所述训练数据对所述字符分割模型进行训练，得到训练后的字符分割模型； 13利用训练后字符分割模型，对变量字符进行分割，得到分割后的单个变量字符，并构建字符模板库； 14基于图像处理算法与字符模板库，针对每个分割后的单个变量字符进行缺陷检测，得到变量字符缺陷检测结果； 所述条码二维码缺陷检测步骤如下： 21基于图像处理算法，生成带标注的条码二维码缺陷数据以确定条码二维码缺陷检测的分类阈值，收集条码二维码中各点位的正常图用作训练数据； 22构建基于神经网络结构的条码二维码缺陷检测模型，并基于步骤21中的训练数据对所述条码二维码缺陷检测模型进行训练，得到训练后的条码二维码缺陷检测模型； 23利用训练后的条码二维码缺陷检测模型，对条码二维码中各点位进行缺陷检测，得到条码二维码缺陷检测结果； 步骤3：综合常量缺陷检测、变量缺陷检测、条码二维码缺陷检测的检测结果，最终得到整图的缺陷检测结果； 所述步骤22中，条码二维码缺陷检测模型采用改进的Padim方法，对Padim模型里关键的嵌入向量的生成方式做改进，针对Padim中的特征提取网络Resnet18中不同特征层按比例随机裁剪来生成嵌入向量，从而降低嵌入向量的维数； 所述随机裁剪公式如下： 其中，表示像素坐标为全部特征层整合的嵌入向量，为前3个特征层所串联起来的嵌入向量，为剩余特征层所串联起来的嵌入向量，表示前3个特征层随机裁剪所保留的比例，表示剩余特征层随机裁剪所保留的比例。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。