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！

龙图腾网获悉江西华视光电有限公司申请的专利一种基于图像处理的AOI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：CN121482516B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610026202.6，技术领域涉及：G06V10/764；该发明授权一种基于图像处理的AOI缺陷检测方法及系统是由陈焕杰;陈聪敏;宋旭东设计研发完成，并于2026-01-09向国家知识产权局提交的专利申请。

本一种基于图像处理的AOI缺陷检测方法及系统在说明书摘要公布了：本发明涉及一种基于图像处理的AOI缺陷检测方法及系统，具体涉及AOI缺陷检测领域，能够有效克服复杂纹理背景的干扰，精准识别电路板上的微小缺陷。通过生成无缺陷参考图像作为比对基准，结合空间注意力机制增强缺陷区域信号，利用多尺度特征融合捕获不同尺寸的缺陷特征，并借助迁移学习与元学习提升模型适应性和泛化能力，最终在保证检测精度的同时显著降低误报率和漏检率。

本发明授权一种基于图像处理的AOI缺陷检测方法及系统在权利要求书中公布了：1.一种基于图像处理的AOI缺陷检测方法，其特征在于，具体包括以下步骤： 步骤S1、当输入实际电路板图像时，以该实际电路板图像作为条件输入，采用条件生成对抗网络进行图像生成处理，条件生成对抗网络通过编码器-解码器结构学习背景纹理分布，并应用结构相似性损失函数优化条件生成对抗网络的网络参数，从而输出与实际电路板图像结构一致的无缺陷参考图像； 步骤S2、在获得无缺陷参考图像后，将该无缺陷参考图像与实际电路板图像进行像素级差异计算，得到初始差异图，然后利用空间注意力机制从实际电路板图像提取多层级特征，生成注意力权重图，并将该注意力权重图与初始差异图进行逐元素相乘处理，产生增强的差异图以突出缺陷区域； 步骤S3、基于增强的差异图，输入多尺度特征金字塔网络进行特征提取，多尺度特征金字塔网络通过自顶向下路径和横向连接融合不同尺度的特征图以生成融合后特征，并采用可变形卷积和压缩-激励单元对该融合后特征进行增强，输出增强的多尺度特征图； 步骤S4、将增强的多尺度特征图输入预训练的缺陷分类模型，采用迁移学习策略对模型进行微调，并结合元学习框架优化模型适应能力，最终输出缺陷概率图完成缺陷检测； 所述结合元学习框架优化模型适应能力，最终输出缺陷概率图完成缺陷检测的具体操作为： 首先，定义元学习任务结构，将不同产品类型或不同工艺条件下的缺陷检测任务划分为不同的元学习任务，每个元学习任务包含支撑集和查询集；然后，采用模型无关元学习算法优化初始模型参数，模型无关元学习算法包括内循环适应过程和外循环元优化过程； 在内循环适应过程中，对于每个元学习任务，使用该任务的支撑集对初始模型参数进行一次梯度更新，得到适应后的模型参数，具体计算方式为：从初始模型参数中减去内循环学习率乘以损失函数对模型参数的梯度值，其中损失函数是在支撑集上计算的任务损失，任务损失包含分类损失和对比学习损失两部分； 梯度更新过程中，损失函数对模型参数的梯度值通过反向传播算法计算得到； 在外循环元优化过程中，使用多个元学习任务的查询集计算元损失函数，元损失函数是每个元学习任务在查询集上的损失函数之和，然后通过最小化元损失函数来优化初始模型参数，具体采用随机梯度下降算法，以外循环学习率更新初始模型参数；最小化元损失函数的过程通过计算元损失函数对初始模型参数的梯度，然后从初始模型参数中减去外循环学习率乘以该梯度值来实现； 元学习过程中，元学习批大小设置为四个任务；内循环适应过程和外循环元优化过程交替进行，通过多次迭代优化初始模型参数；最后，在元学习训练完成后，将优化后的初始模型参数作为缺陷分类模型的最终参数，当面对新的缺陷检测任务时，只需少量样本即可快速适应，并准确输出缺陷概率图。

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江西华视光电有限公司，其通讯地址为：330000 江西省南昌市南昌高新技术产业开发区瑶湖西六路888号南昌高新电子信息产业园2号楼4-6层；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。