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！

龙图腾网获悉浙江大学申请的专利基于光度立体表面重建的数据集制作方法及验证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：CN116543247B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202211320694.8，技术领域涉及：G06V10/774；该发明授权基于光度立体表面重建的数据集制作方法及验证系统是由曹衍龙;丁斌杰;陈景曦;于明州;黄六一;葛皓;俞佳良;韦逍遥;刘文渊设计研发完成，并于2022-10-26向国家知识产权局提交的专利申请。

本基于光度立体表面重建的数据集制作方法及验证系统在说明书摘要公布了：基于光度立体表面重建的缺陷检测数据集制作方法，包括以下步骤：1选择四种类型的对象生成数据集；2获取多张不同光照条件下的图像；对每个对象依次激励不同位置光源进行打光，获取对象表面区域的一组光度图像；3获取多张不同光照条件下的图像；对每个对象依次激励不同位置光源进行打光，获取对象表面区域的一组光度图像；4基于步骤3获得的法向量图，构建基于光度立体表面重建的缺陷检测数据集。本发明还提供一种基于光度立体表面重建的缺陷检测数据集制作方法的验证系统。发明能够通过获取多张不同光源条件下的图像，避免由于表面反光造成的信息缺失，光度立体视觉能够获取表面法向量图；并设计了验证系统，对整体方案进行验证，实现了金属表面缺陷的有效识别。

本发明授权基于光度立体表面重建的数据集制作方法及验证系统在权利要求书中公布了：1.基于光度立体表面重建的缺陷检测数据集制作方法，其特征在于，包括以下步骤： 1构建缺陷样品集，缺陷样品集由多个样品组成，样品属性包括颜色、材质、形状和缺陷类型，每个样品至少有一个属性与其他样品不同； 2对每个对象依次激励不同位置光源进行打光，每个位置光源激励获得一张图像，以至少三张图像形成一组光度图像； 3将光度图像输入到光度立体网络模型中，使用训练完成的光度立体网络模型根据光度图像进行模型推理估计各像素点处的表面法向量，获得对象表面法向量图；训练光度立体网络模型包括如下步骤， 3.1建立采集系统的成像环境模型，对光度立体成像装置进行光源信息标定； 3.2搭建基于三维卷积的光度立体网络模型，使用光度立体合成数据集对模型进行监督训练，至模型在训练数据集上收敛；其中，光度立体合成数据集为Bloddy数据集与Sculpture数据集，用于验证的真实物体数据集为DiLiGenT数据集； 3.3设计光度立体网络模型的评价指标，光度立体模型的性能通过表面法向量估计精度进行评价，表面法向量估计精度的计算指标为预测法向量与真实法向量间的平均角度误差；其计算公式为： 其中，Nk表示预测法向量图中第k像素处的法向量，表示真实法向量图中第k像素处的法向量，K表示法向量图中像素数的总和；MAE值越小表示法向量的估计精度越高； 4基于步骤3获得的法向量图，构建基于光度立体表面重建的缺陷检测数据集； 4.1使用Python的标注脚本LabelImg进行缺陷目标区域的矩形框标注； 4.2读取每个图像的注释文件，获取当前图像中每个缺陷的位置和类别信息，设置滑动窗口，从当前图像的左上角开始、以滑动窗口遍历图像； 4.3判断当前滑动窗口内是否存在缺陷目标，如果没有缺陷目标则舍弃该窗口裁切的图像；如果存在缺陷，则将与滑动窗口存在交集的缺陷区域信息进行保存； 4.4判断步骤4.3保存的区域信息是否存在窗口包含不完整缺陷的情况，不存在则将缺陷的位置信息转换至窗口的图像坐标系下，进行保存生成新的标注文件；当存在不完整的缺陷区域时，计算窗口中该缺陷的面积与实际标注缺陷区域面积的比值，通过阈值判断，当比值大于0.75时，调整缺陷的标注信息，以窗口边界作为新的边界，当比值小于0.75时，将该缺陷舍弃，然后将窗口图片进行保存，并生成新的标注文件；完成后获得缺陷样本图像； 4.5将步骤4.6获得的缺陷样本图像划分为训练集、验证集和测试集。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。