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！

龙图腾网获悉暨南大学申请的专利一种两阶段的刀具表面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：CN120031791B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411877675.4，技术领域涉及：G06T7/00；该发明授权一种两阶段的刀具表面缺陷检测方法及系统是由牛伟龙;伍子卿;孙小光;屈挺;陈洋;魏来;王梦媛;陈顺如;林婷婷;张振兴;刘畅;邱若洁;郭艺雯设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本一种两阶段的刀具表面缺陷检测方法及系统在说明书摘要公布了：本发明涉及图像处理技术领域，具体指一种两阶段的刀具表面缺陷检测方法及系统，包括：对待检测刀具表面通道图像进行灰度化、姿态矫正、裁剪和标注操作，得到待检测刀具表面矫正灰度图像对应每张子图像及其编号；将每张子图像分别输入训练好的残差网络和支持向量机，输出每张子图像的第一预测缺陷概率值和第二预测缺陷概率值，并得到每张子图像的融合缺陷概率值；将融合缺陷概率值大于等于阈值的子图像作为异常子图像；基于各异常子图像及其编号相同的正常子图像，构成各异常子图像的缺陷对；将所有异常子图像的缺陷对输入训练好的孪生变换检测网络，输出各异常子图像中缺陷区域特征和分割结果。本发明提升刀具表面缺陷检测精确度、可靠性和效率。

本发明授权一种两阶段的刀具表面缺陷检测方法及系统在权利要求书中公布了：1.一种两阶段的刀具表面缺陷检测方法，其特征在于，包括： 获取多张刀具表面通道图像，对每张刀具表面通道图像进行灰度化操作，得到每张刀具表面灰度图像；对每张刀具表面灰度图像进行姿态矫正操作，得到刀具表面矫正灰度图像；按照预设尺寸，对每张刀具表面矫正灰度图像进行裁剪操作，得到每张刀具表面矫正灰度图像对应的多张子图像；按照裁剪顺序，依次对每张刀具表面矫正灰度图像对应的每张子图像进行标注，得到每张刀具表面矫正灰度图像对应的每张子图像的编号； 利用Radon变换，提取刀具表面矫正灰度图像对应的每张子图像的Radon域特征，用于标注刀具表面矫正灰度图像对应的每张子图像的Radon真实标签；基于各张刀具表面矫正灰度图像对应的每张子图像以及其Radon真实标签，构建Radon训练集；利用Radon训练集，训练残差网络，得到训练好的残差网络，用于输出刀具表面矫正灰度图像对应每张子图像的第一预测缺陷概率值； 利用边缘结构算子卷积，提取刀具表面矫正灰度图像对应的每张子图像的边缘结构特征，用于标注刀具表面矫正灰度图像对应的每张子图像的边缘真实标签；基于每张刀具表面矫正灰度图像对应的每张子图像以及其边缘真实标签，构建边缘结构特征数据集；利用边缘结构特征数据集，训练支持向量机，得到训练好的支持向量机，用于输出刀具表面矫正灰度图像对应每张子图像的第二预测缺陷概率值； 将每张刀具表面矫正灰度图像对应每张子图像的第一预测缺陷概率值和第二预测缺陷概率值进行加权平均，得到每张刀具表面矫正灰度图像对应每张子图像的融合缺陷概率值； 将融合缺陷概率值大于等于阈值的子图像，作为异常子图像； 将各个刀具表面矫正灰度图像对应的编号相同的子图像划分为一组，得到不同编号的子图像组；根据异常子图像的编号，在该异常子图像对应的子图像组中找到一个正常子图像，构成该异常子图像的缺陷对，依次得到所有异常子图像的缺陷对，并构成缺陷对数据集；利用缺陷对数据集，训练孪生变换检测网络，得到训练好的孪生变换检测网络，用于检测每张异常子图像中缺陷区域的特征信息和分割结果； 所述孪生变换检测网络包括：一个输入层、两个权重共享卷积层、一个变换层和一个输出层；其中，两个共享权重的子网络均包括：一个共享卷积层和一个特征向量输出层；变换层，由3个卷积堆叠构成，用于对每个缺陷对的正常子图像的特征向量和该图像对的异常子图像的特征向量进行特征对齐，输出每个缺陷对对应的变换矩阵；输出层，用于根据每个缺陷对对应的变换矩阵，输出每张异常子图像中缺陷区域的特征信息和分割结果。

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暨南大学，其通讯地址为：510632 广东省广州市黄埔大道西601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。