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！

龙图腾网获悉易思维(杭州)科技有限公司申请的专利一种高反光胶水缺陷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：CN116862878B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202310850730.X，技术领域涉及：G06T7/00；该发明授权一种高反光胶水缺陷检测方法是由郭寅;郭磊;金开祥;冯宇深设计研发完成，并于2023-07-11向国家知识产权局提交的专利申请。

本一种高反光胶水缺陷检测方法在说明书摘要公布了：本发明提供一种高反光胶水缺陷检测方法，先训练针对于反光特性的检测模型A，该模型用于输出表征图像反光特性的一维特征向量A；再将一维特征向量A结合图像的灰度特征向量和纹理特征向量，作为整体的特征向量集合，训练缺陷识别模型B，模型B用于输出图像对应的类别：正常胶水图像、有缺陷的胶水图像、存在反光区域的胶水图像；完成缺陷检测。在检测高反光特征的胶水图像时，本方法能够准确区分缺陷区域胶水缺失或断裂和反光区域，检测结果准确性高，解决了工业喷涂中反光胶水LASD的质量难以监控的技术问题。

本发明授权一种高反光胶水缺陷检测方法在权利要求书中公布了：1.一种高反光胶水缺陷检测方法，其特征在于： 实际检测前，利用以下步骤训练检测模型： S1、收集多张存在反光区域的胶水图像，以反光强度分数作为每张胶水图像的标签，再按照预设比例划分训练集A、测试集B； 初始的反光强度分数为修正后的单张胶水图像的灰度方差乘积和反光区域在整张图像中的像素占比分别与不同比例系数积的和； 当训练集中的所有图像均获得初始反光强度分数后，将各个初始的反光强度分数分别进行归一化处理，得到最终的反光强度分数； S2、将训练集A中的图像分别输入到卷积神经网络模型中训练，记该模型为模型A，损失函数，其中，k为比例系数，为预设值，为模型A输出的第i张图像的反光强度分数预测值； 当loss值收敛或者loss值小于预设值之后，利用测试集A中图像验证模型A的准确率：当模型A的输出的预测值处于标签范围内时，则认为输出预测值准确，否则，不准确； 若准确率高于预设阈值，则保存当前模型A；否则，扩充训练集A中图像样本数量，或者调整模型A中的模型参数，重新训练模型A，直到准确率高于预设阈值； S3、收集三类样本：正常胶水图像、有缺陷的胶水图像、存在反光区域的胶水图像，根据图像所属的类别为每张图像打标签，形成样本数据集，每类样本数据集中图像的数量不少于500张； 按照以下方式为各图像以及标签匹配特征向量集合： 将单张图像输入到步骤S2中存储的模型A中，模型A的全连接层输出一维特征向量A； 提取单张图像的灰度特征向量和纹理特征向量，再将两者依次拼接到一维特征向量A，形成特征向量集合； 再将各类图像按照预设的比例划分到训练集B和测试集B； S4、利用训练集B中各图像的标签与特征向量集合训练模型B所述模型B为机器学习模型或者卷积神经网络模型； 利用测试集B中图像验证训练后的模型B的准确率，若准确率低于预设阈值，则扩充训练集B中图像样本数量，或者调整模型B中的模型参数，重新训练模型B，直到准确率高于预设阈值；否则，保存当前模型B，模型训练结束； 实际检测时，将实际采集到的胶水图像输入到步骤S2中存储的模型A中，模型A的全连接层输出一维特征A；提取该图像的灰度特征向量和纹理特征向量，再将两者依次拼接到一维特征向量A，形成特征向量集合； 将特征向量集合输入到训练好的模型B中，模型B输出该图像对应的类别：正常胶水图像、有缺陷的胶水图像、存在反光区域的胶水图像； 完成缺陷检测。

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易思维(杭州)科技有限公司，其通讯地址为：310051 浙江省杭州市滨江区滨安路1197号3幢495室；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。