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！

龙图腾网获悉常熟理工学院申请的专利一种基于灰度共生矩阵的弱特征表面缺陷检测方法、终端及存储介质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：CN119887758B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202510361410.7，技术领域涉及：G06T7/00；该发明授权一种基于灰度共生矩阵的弱特征表面缺陷检测方法、终端及存储介质是由李芯蕊;时辰;姚崇棋;孔瑜;刘畅;王思源;席伟阳;王振宇;胡程尧;赵陈陈;张业铭;李昱妍;况亚伟;杨希峰;张德宝设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种基于灰度共生矩阵的弱特征表面缺陷检测方法、终端及存储介质在说明书摘要公布了：本发明公开了一种基于灰度共生矩阵的弱特征表面缺陷检测方法、终端及存储介质，属于图像处理技术领域，步骤包括S1.基于图像非均匀阈值分割生成灰度共生矩阵并提取纹理特征和S2构建融合纹理特征的YOLOv3深度学习检测模型。本发明针对弱特征图像表面缺陷检测问题将灰度共生矩阵与卷积神经网络技术相结合，使用自适应图像灰度化算法对源图像进行处理，然后使用非均匀阈值分割算法完成图像的多阈值分割，在此基础上生成图像灰度共生矩阵并计算相应的特征量，然后将灰度共生矩阵的特征量与YOLOv3神经网络算法相结合，并改进YOLOv3算法的损失函数，从而有效提高了对弱特征图像表面缺陷检测的准确性和可靠性，具有广阔的应用市场空间和经济价值。

本发明授权一种基于灰度共生矩阵的弱特征表面缺陷检测方法、终端及存储介质在权利要求书中公布了：1.一种基于灰度共生矩阵的弱特征表面缺陷检测方法，其特征在于，包括如下步骤： 基于图像非均匀阈值分割生成灰度共生矩阵并提取纹理特征： S11.通过自适应图像灰度化算法对源图像进行灰度化处理，基于各颜色通道直方图动态计算权重系数； S12.采用聚类算法对像素阈值进行非均匀分割； S13.在分割后的图像上生成多方向灰度共生矩阵，提取相关性、对比度、同质性和能量四个纹理特征向量； 构建融合纹理特征的YOLOv3深度学习检测模型： S21.生成初始锚框尺寸，提取目标图像的多尺度特征图，构建多个检测层分别对应不同尺度特征图； S22.对每个候选区域计算灰度共生矩阵特征向量，生成融合灰度共生矩阵的标注向量； S23.构建基于纹理特征向量的损失函数； S24.通过非极大值抑制算法筛选最终检测结果，根据交并比阈值合并重叠检测框； 步骤S22所述融合灰度共生矩阵的标注向量为： ； 其中，为YOLOv3算法中候选区域的标注向量，标签表示候选区域中是否包含目标，表示候选区域相对于图片的位置，表示候选区域中物体的类别标签； 分别为相关性、对比度、同质性和能量4个特征量，为原图像中像素的距离，设定方向下不同的组合； 步骤S23所述的基于纹理特征向量的损失函数为： ； 其中为分类损失，为置信度损失，为边界框损失，为灰度共生矩阵损失，且 ； 其中为候选区域的索引，S为候选区域的数量，为灰度共生矩阵类别的索引，共4种，为灰度共生矩阵中的元素所对应的权重，采用等值权重，。

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常熟理工学院，其通讯地址为：215500 江苏省常州市南三环路99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”。