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！

龙图腾网恭喜光测工业智能装备(南京)有限公司申请的专利基于机器视觉的基板玻璃表面缺陷自动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：CN119006469B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202411490084.1，技术领域涉及：G06T7/00；该发明授权基于机器视觉的基板玻璃表面缺陷自动检测方法及系统是由亢国庆;付玉澎;李华;许卫锋;冯宗飞设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本基于机器视觉的基板玻璃表面缺陷自动检测方法及系统在说明书摘要公布了：本发明提供一种基于机器视觉的基板玻璃表面缺陷自动检测方法及系统，涉及缺陷检测技术领域，包括获取基板玻璃表面的多模态数据并进行预处理，对提取的图像特征、声学特征和热成像特征进行跨模态特征融合，将融合后的特征图输入到预先构建的图神经网络中，得到表征缺陷结构的拓扑特征图；将拓扑特征图与融合后的特征图进行级联，输入到多任务学习网络中，得到分割后的疑似缺陷区域和对应的缺陷类型；利用预先训练好的目标检测模型进行缺陷定位，通过边界框回归确定缺陷的精确位置，得到目标缺陷区域图像；将目标缺陷区域图像上传至云端，利用部署在云端的缺陷检测模型对目标缺陷区域的缺陷类型进行精准识别，得到最终的缺陷检测结果。

本发明授权基于机器视觉的基板玻璃表面缺陷自动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基板玻璃表面缺陷自动检测方法，其特征在于，包括：获取基板玻璃表面的多模态数据并进行预处理，所述多模态数据包括图像数据、声学数据和热成像数据，对预处理后的图像数据、预处理后的声学数据和预处理后的热成像数据分别进行特征提取，对提取的图像特征、声学特征和热成像特征进行跨模态特征融合，得到融合后的特征图；将融合后的特征图输入到预先构建的图神经网络中，通过节点嵌入和图卷积操作，建立融合后的特征图中像素之间的拓扑关系，提取缺陷的结构和上下文信息，得到表征缺陷结构的拓扑特征图；将拓扑特征图与融合后的特征图进行级联，输入到多任务学习网络中，利用所述多任务学习网络同时完成对级联后的特征图中缺陷区域的分割和缺陷类型的初步分类，得到分割后的疑似缺陷区域和对应的缺陷类型；对分割后的疑似缺陷区域，利用预先训练好的目标检测模型进行缺陷定位，通过边界框回归确定缺陷的精确位置，得到目标缺陷区域图像；将目标缺陷区域图像上传至云端，利用部署在云端的缺陷检测模型对目标缺陷区域的缺陷类型进行精准识别，得到最终的缺陷检测结果；对分割后的疑似缺陷区域，利用预先训练好的目标检测模型进行缺陷定位，通过边界框回归确定缺陷的精确位置，得到目标缺陷区域图像包括：获取疑似缺陷区域图像，将疑似缺陷区域图像调整到固定尺寸，得到调整后的疑似缺陷区域图像；将调整后的疑似缺陷区域图像输入到预先训练好的目标检测模型中，通过主干网络提取缺陷区域图像的多尺度特征图，并利用特征金字塔结构融合多尺度特征图，得到融合后的特征图；引入空间注意力权重图并与融合后的特征图进行元素级乘积，得到空间注意力增强后的特征图，同时引入通道注意力权重向量，与空间注意力增强后的特征图进行通道级乘积，得到增强后的目标特征图；将增强后的目标特征图输入到检测头中进行缺陷目标检测，检测头通过预测目标中心点坐标、边界框宽高和目标置信度生成初步检测结果；对初步检测结果进行非极大值抑制处理，过滤冗余检测框，得到过滤后的检测结果，对过滤后的检测结果进行边界框回归优化，确定缺陷的精确位置，得到最终的目标缺陷区域图像；将目标缺陷区域图像上传至云端，利用部署在云端的缺陷检测模型对目标缺陷区域的缺陷类型进行精准识别，得到最终的缺陷检测结果包括：将目标缺陷区域图像上传至云端服务器；云端服务器利用部署的特征提取模型对接收的缺陷区域图像进行特征提取，得到缺陷图像的多尺度高层语义特征向量；将提取得到的多尺度高层语义特征向量输入至基于注意力机制的第一模型中，通过注意力机制自适应地融合多尺度特征，得到融合后的缺陷特征向量，同时输出缺陷类型软标签；根据输出的缺陷类型软标签作为监督信号，通过最小化第二模型集合的预测结果与缺陷类型软标签之间的差异，对第二模型集合进行训练；将融合后的缺陷特征向量输入至训练好的第二模型集合中，结合各个第二模型输出的缺陷类型预测结果，得到最终的缺陷类型识别结果。

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光测工业智能装备(南京)有限公司，其通讯地址为：211100 江苏省南京市江宁区秣陵街道梅林街11号1幢1层(江宁开发区)；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”。