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！

龙图腾网获悉陕西伊明食品股份有限公司申请的专利一种基于机器视觉的输送线智能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：CN120741483B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511212546.8，技术领域涉及：G01N21/88；该发明授权一种基于机器视觉的输送线智能检测方法及系统是由刘铁刚;杨俊平;李中山设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本一种基于机器视觉的输送线智能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机器视觉的输送线智能检测方法及系统，涉及产品检测领域，该方法包括：获取输送线的运行速度信息和食品类型信息；获取输送线目标区域的食品图像信息；将上述运行速度信息、上述食品类型信息和上述食品图像信息输入至食品缺陷检测模型，以获取食品缺陷信息，其中，上述食品缺陷检测模型融合上述食品图像信息、上述运行速度信息和上述食品类型信息，结合形状编码和注意力增强，以获取多类食品缺陷识别与评分。本方法通过融合多模态感知、结构建模与注意力增强等技术，显著提升了食品输送线智能检测系统的适应性、精度与实用性。

本发明授权一种基于机器视觉的输送线智能检测方法及系统在权利要求书中公布了：1.一种基于机器视觉的输送线智能检测方法，其特征在于，包括： 获取输送线的运行速度信息和食品类型信息； 获取输送线目标区域的食品图像信息； 将所述运行速度信息、所述食品类型信息和所述食品图像信息输入至食品缺陷检测模型，以获取食品缺陷信息，其中，所述食品缺陷检测模型融合所述食品图像信息、所述运行速度信息和所述食品类型信息，结合形状编码和注意力增强，以获取多类食品缺陷识别与评分； 所述食品缺陷检测模型包括： 多模输入融合模块，用于接收并融合所述食品图像信息、所述运行速度信息和所述食品类型信息，形成多模态输入向量，其中，所述多模态输入向量包括图像向量I、速度向量和类型向量； 特征提取主干网络，用于根据内置的基于多尺度卷积神经网络提取所述图像向量I中的多尺度图像特征图组F； 速度感知与类型适配嵌入模块，用于基于所述多尺度图像特征图组F、所述速度向量和所述类型向量生成速度类型融合特征图F’； 空间通道注意力增强模块，用于所述多尺度图像特征图组F和所述速度类型融合特征图F’生成增强特征图； 形状编码分支，用于根据所述增强特征图通过傅里叶边缘描述和极坐标变换建模食品结构形态并评估与标准形状的偏差，以获取形状一致性评分； 缺陷检测分支，用于对所述增强特征图进行缺陷识别，以获取缺陷框集B、类别集C、置信度分数集P和热力图； 表面覆盖判断分支，用于对所述增强特征图进行食品表面涂层或酱料的完整性进行判断，以获取覆盖等级标签； 所述速度感知与类型适配嵌入模块的具体处理步骤包括： 基于第一多层感知器根据所述速度向量生成速度嵌入向量； 基于第二多层感知器根据所述类型向量生成类型嵌入向量； 基于所述速度嵌入向量和所述嵌入向量生成控制信号； 将所述控制信号应用于所述多尺度图像特征图组F的每个通道，以形成所述速度类型融合特征图F’； 所述空间通道注意力增强模块的具体处理步骤包括： 对所述多尺度图像特征图组F和所述速度类型融合特征图F’进行加权融合，以生成融合特征图； 对所述融合特征图进行通道注意力建模，以获取通道增强特征图； 将所述通道增强特征图进行空间注意力建波，以生成所述增强特征图； 所述形状编码分支的具体处理步骤包括： 对所述增强特征图行通道压缩和边缘检测操作，生成边缘图； 基于所述目标区域的中心点坐标，对所述边缘图进行极坐标变换，得到极坐标边缘图，并基于每个角度方向提取对应边缘的径向轮廓函数； 对所述径向轮廓函数执行离散傅里叶变换，生成当前产品的傅里叶描述符； 将所述傅里叶描述符与预先存储的标准模板形状傅里叶描述符进行频域距离计算，得到描述符差值； 基于所述描述符差值，通过非线性映射函数计算所述形状一致性评分： 其中，为预设的评分敏感度调节系数，表示当前食品产品的结构形状与标准模板之间的一致性程度。

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陕西伊明食品股份有限公司，其通讯地址为：722300 陕西省宝鸡市眉县常兴镇纺织工业园新区一路1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。