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！

龙图腾网获悉华南理工大学;华南理工大学珠海现代产业创新研究院申请的专利基于双阶段深度神经网络的车门表面划痕检测方法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：CN116664489B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202310466547.X，技术领域涉及：G06T7/00；该发明授权基于双阶段深度神经网络的车门表面划痕检测方法是由田联房;陈金铭;杜启亮设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本基于双阶段深度神经网络的车门表面划痕检测方法在说明书摘要公布了：本发明公开了一种基于双阶段深度神经网络的车门表面划痕检测方法，包括：采集高分辨率车门的表面图像，将存在车门表面划痕的车门背景区域和车门表面划痕作为一个整体，标注车门表面划痕所在车门表面区域的目标矩形框；构建训练集和测试集，并进行数据增强；利用训练集训练双阶段深度神经网络，将测试集送入双阶段深度神经网络输出语义分割特征图和分类结果；根据语义分割特征图，设计算法计算语义分割特征图中车门表面划痕所在目标矩形框的坐标，实现对车门表面划痕的定位。本发明可以应用于汽车生产中正负样本极不平衡的场景，而且能够在保证快速检测的前提下保持高的检测精度。

本发明授权基于双阶段深度神经网络的车门表面划痕检测方法在权利要求书中公布了：1.基于双阶段深度神经网络的车门表面划痕检测方法，其特征在于，为了能够在具有车门表面划痕的正样本数量少的情况下进行训练，搭建了一个双阶段深度神经网络，该双阶段深度神经网络由第一阶段语义分割网络和第二阶段决策网络组成；第一阶段语义分割网络遵循编码器-解码器结构，利用编码器提取图像的低尺度特征和高尺度语义信息，利用解码器把语义分割特征图还原为输入图像的尺度并输出；第二阶段决策网络为一个引入了卷积层、最大池化层、全局池化层和全连接层的分类器，利用卷积层、最大池化层、全局池化层提取第一阶段语义分割网络输出的语义分割特征图不同尺度的特征，利用全连接层对车门表面划痕和背景进行分类并输出最终的分类结果； 该车门表面划痕检测方法包括以下步骤： 1采集高分辨率车门的表面图像，将存在车门表面划痕的车门背景区域和车门表面划痕作为一个整体，利用标注工具标注车门表面划痕所在车门表面区域的目标矩形框； 2利用标注好的图像构建训练集和测试集，对训练集和测试集进行数据增强，丰富训练集和测试集中车门表面划痕的尺度多样性； 3将测试集送入已训练好的双阶段深度神经网络进行检测，通过第一阶段语义分割网络对测试集中车门表面图像进行特征提取并输出用于车门表面划痕定位的语义分割特征图，第二阶段决策网络利用第一阶段语义分割网络输出的语义分割特征图对车门表面划痕和背景进行分类并输出最终的分类结果； 所述双阶段深度神经网络的第一阶段语义分割网络对输入图像进行特征提取并输出用于车门表面划痕定位的语义分割特征图，第一阶段语义分割网络通过采用空洞卷积扩大了卷积层的感受野，使得第一阶段语义分割网络能够提取到更丰富的语义特征，同时，第一阶段语义分割网络卷积层采用不同大小的卷积核，使得语义分割特征图能够包含更多的高尺度语义信息；第一阶段语义分割网络遵循编码器-解码器结构； 4利用所述第一阶段语义分割网络输出的语义分割特征图，设计算法计算语义分割特征图中车门表面划痕所在目标矩形框的坐标，实现对车门表面划痕的定位，在该算法中，分为单个目标和多个目标两种情况；对于单个目标的情况，直接计算语义分割特征图中第一个非0像素和最后一个非0像素的坐标作为目标矩形框4个顶点的坐标，从而实现对于车门表面划痕的定位；对于多个目标的情况，首先对语义分割特征图进行中值滤波，再对中值滤波得到的结果进行膨胀操作，利用OTSU法对膨胀操作后输出的图像进行阈值分割并寻找阈值分割结果中的连通域，根据连通域的中心坐标和长宽计算出多个目标矩形框4个顶点的坐标，从而实现对于车门表面划痕的定位。

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华南理工大学;华南理工大学珠海现代产业创新研究院，其通讯地址为：510640 广东省广州市天河区五山路381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。