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！

龙图腾网获悉北京航空航天大学;山东非金属材料研究所申请的专利一种基于红外图像的缺陷检测方法、装置及设备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：CN118799327B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202411288704.3，技术领域涉及：G06T7/00；该发明授权一种基于红外图像的缺陷检测方法、装置及设备是由饶静;肖志菲;孙岩;段剑设计研发完成，并于2024-09-14向国家知识产权局提交的专利申请。

本一种基于红外图像的缺陷检测方法、装置及设备在说明书摘要公布了：本申请提供一种基于红外图像的缺陷检测方法、装置及设备，涉及缺陷检测技术领域，包括：获取待测物体的红外温度时间序列；对红外温度时间序列数据进行滤波处理，得到降噪后的红外温度时间序列数据；采用主成分分析法对降噪后的红外温度时间序列数据进行降维特征提取，得到初始PCA红外图像；去除初始PCA红外图像的背景，得到去背景后的红外图像；将去背景后的红外图像输入预先训练好的基于生成对抗神经网络的缺陷检测模型中，得到待测物体的缺陷检测结果；本申请可实现不同物体表面缺陷近表面缺陷的无损检测，特别是蜂窝夹芯复合材料表面缺陷近表面缺陷的无损检测，并有效提高了检测的效率以及检测的准确率。

本发明授权一种基于红外图像的缺陷检测方法、装置及设备在权利要求书中公布了：1.一种基于红外图像的缺陷检测方法，其特征在于，所述方法包括：获取待测物体在预设时间段内各时刻的红外温度数据，得到红外温度时间序列；所述预设时间段为所述待测物体从开始被加热至冷却结束涉及的升温过程的时间段与降温过程的时间段；对所述红外温度时间序列数据进行滤波处理，得到降噪后的红外温度时间序列数据；采用主成分分析法对所述降噪后的红外温度时间序列数据进行降维特征提取，得到初始PCA红外图像；去除所述初始PCA红外图像的背景，得到去背景后的红外图像；将所述去背景后的红外图像输入预先训练好的基于生成对抗神经网络的缺陷检测模型中，得到所述待测物体的缺陷检测结果；其中，所述基于生成对抗神经网络的缺陷检测模型是基于预先构建的缺陷数据集对基于生成对抗神经网络的缺陷检测模型进行训练得到的；其中，所述红外温度时间序列是由温度矩阵与对应的时间组成的三维序列；获取待测物体在预设时间段内各时刻的红外温度数据，包括：利用红外检测装置采集待测物体在预设时间段内各时刻的红外图像；所述红外检测装置包括：红外热像机、矩阵热激励源和信号采集器；针对任一时刻的红外图像，基于所述红外图像各个像素点的温度值，构建所述时刻的温度矩阵；基于构建的各时刻的温度矩阵，得到待测物体在预设时间段内各时刻的红外温度数据；其中，所述温度矩阵包含至少一行元素；采用主成分分析法对所述降噪后的红外温度时间序列数据进行降维特征提取，得到初始PCA红外图像，包括：针对任一温度矩阵，若所述温度矩阵中包含多行元素，则将非第一行元素的其他行元素，按照行号从小到大，依次合并至第一行元素后，得到新的温度矩阵；将得到的各新的温度矩阵，按照各新的温度矩阵对应的时间的先后顺序进行排序，得到排序后的多个新的温度矩阵；基于排序后的多个新的温度矩阵，构建二维温度矩阵；对所述二维温度矩阵去中心化，得到去中心后的二维温度矩阵；采用主成分分析法对所述去中心后的二维温度矩阵进行降维特征提取，得到初始PCA红外图像；进一步的，所述基于生成对抗神经网络的缺陷检测模型；生成器，用于利用基于多尺度注意力模块的全卷积神经网络对所述去背景后的红外图像进行增强，得到待测物体的缺陷图像；所述生成器包括：编码器和解码器；编码器用于提取去背景后的红外图像中的目标特征，解码器用于对编码后的目标特征进行还原以匹配增强图像；其中，编码器包含全局特征注意力模块和多尺度空洞卷积模块；多尺度空洞卷积模块均由一个空洞卷积层和一个映射层；其中，全局特征注意力模块通过整合特征图像中的全局信息更好地捕获像素之间的长距离依赖关系,从而缓解红外图像中缺陷特征不连续的问题；多尺度空洞卷积模块利用不同膨胀率的空洞卷积学习不同形状缺陷的特征信息,以提高模型对于缺陷边缘识别的准确率；空洞卷积层通过级联三种不同尺寸的空洞卷积获取多尺度的局部特征信息,映射层通过1×1卷积、批归一化处理和Sigmoid函数生成空间权重图,突出关键区域和局部细节；解码器也包含多尺度空洞卷积模块；任一多尺度空洞卷积模块均由一个空洞卷积层和一个映射层组成；空洞卷积层通过级联三种不同尺寸的空洞卷积获取多尺度的局部特征信息,映射层通过1×1卷积、批归一化处理和Sigmoid函数生成空间权重图,突出关键区域和局部细节；判别器，用于基于待测物体的缺陷图像，生成待测物体的缺陷检测结果；所述判别器包括：3个卷积块、2个残差块和2个全连接层；每个卷积块由卷积核大小为3×3的二维卷积层、步长为2×2的最大池化层以及ReLU函数组成。

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北京航空航天大学;山东非金属材料研究所，其通讯地址为：100089 北京市海淀区学院路37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”。