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！

龙图腾网获悉长沙众升汽车部件有限公司申请的专利基于深度学习的新能源汽车零部件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：CN121504919B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610031141.2，技术领域涉及：G06T7/00；该发明授权基于深度学习的新能源汽车零部件缺陷检测方法及系统是由李志元;屈仲凯设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本基于深度学习的新能源汽车零部件缺陷检测方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的新能源汽车零部件缺陷检测方法及系统，通过相机对新能源汽车零部件表面进行图像采集，形成初始图像集；根据初始图像集采用滤波方法进行去噪处理，针对零部件复杂形状和多种材质干扰有效抑制噪声影响，确定去噪图像；从去噪图像中提取边缘特征，使用边缘检测算法识别轮廓变化，针对缺陷多样性识别潜在异常边界，获得边缘特征图；若边缘特征图中的异常边界强度超过预设阈值，则通过神经网络模型对异常边界区域进行深度特征学习，融合多层图像提取信息，判断缺陷类型；采用缺陷类型结果计算缺陷面积和位置坐标，针对精准分类需求整合多尺度特征信息，得到缺陷量化描述，显著提升生产质量与自动化水平。

本发明授权基于深度学习的新能源汽车零部件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新能源汽车零部件缺陷检测方法，其特征在于，包括以下步骤： S100、通过相机对新能源汽车零部件表面进行图像采集，获取包含潜在缺陷区域和背景干扰的原始图像数据，形成初始图像集； S200、根据所述初始图像集采用滤波方法进行去噪处理，针对零部件复杂形状和多种材质干扰有效抑制噪声影响，确定去噪图像； S300、从所述去噪图像中提取边缘特征，使用边缘检测算法识别轮廓变化，针对缺陷多样性识别潜在异常边界，获得边缘特征图； S400、若所述边缘特征图中的异常边界强度超过预设阈值，则通过神经网络模型对异常边界区域进行深度特征学习，融合多层图像提取信息，判断缺陷类型； S500、采用所述缺陷类型结果计算缺陷面积和位置坐标，针对精准分类需求整合多尺度特征信息，得到缺陷量化描述； S600、根据所述缺陷量化描述在高节拍生产环境中进行实时比对，若所述量化描述符合预设分类标准，则标记为合格零部件，否则触发警报，确定最终检测输出； S700、通过所述最终检测输出更新生产数据库，针对检测速度和准确性平衡调整下一次图像采集参数，获得优化后的检测流程； 步骤S500包括： S510、从原始图像中获取多尺度图像数据，采用图像金字塔方法对所述原始图像进行多分辨率分解，针对不同尺度提取边缘特征，得到多尺度边缘特征图； S520、若所述多尺度边缘特征图中检测到显著边缘区域，则采用卷积操作对所述显著边缘区域进行特征提取，针对纹理和形状特性，得到深度特征表示； S530、根据所述深度特征表示，采用加权融合方法对多尺度特征进行整合，针对特征一致性，得到综合特征分布； S540、若所述综合特征分布中存在显著特征簇，则采用K均值聚类方法对所述显著特征簇进行分组，针对缺陷区域特性，确定缺陷面积和位置坐标的量化描述； 步骤S700包括： S710、从所述检测输出获取结构化的检测数据流，采用数据解析方法提取合格零部件的标识和不合格零部件的警报信息，针对生产数据库的格式要求，得到格式化的检测数据； S720、若格式化的检测数据符合生产数据库的更新标准，则采用数据库写入方法将检测数据流传输至生产数据库，针对数据完整性要求，得到更新后的数据库记录； S730、根据更新后的数据库记录，采用统计分析方法计算检测速度与准确性的偏差值，针对图像采集的参数优化需求，确定调整后的采集频率和图像质量参数； 检测速度与准确性的偏差值通过以下公式得出： ； 其中，表示数据库中的记录总数，表示第次检测的实际用时，表示第次检测的期望用时，表示检测速度的平均相对偏差值，用于评估检测系统的速度稳定性； S740、通过调整后的采集频率和图像质量参数，采用参数配置方法更新图像采集设备的设置，针对优化检测流程的要求，获得重新配置的采集流程。

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长沙众升汽车部件有限公司，其通讯地址为：410000 湖南省长沙市长沙县星沙产业基地龙井路以东、凉塘路以北101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。