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！

龙图腾网获悉三亚学院申请的专利一种用于钢材表面缺陷识别的智能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：CN119359630B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202411333518.7，技术领域涉及：G06F30/27；该发明授权一种用于钢材表面缺陷识别的智能检测方法及系统是由于营;王春平;陈明;杨博雄;杨婷婷设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本一种用于钢材表面缺陷识别的智能检测方法及系统在说明书摘要公布了：本发明公开了一种用于钢材表面缺陷识别的智能检测方法，包括如下步骤：S1、图像采集：实时图像采集，根据需求设置触发条件，定时拍照或外部信号触发，在指定时间捕获图像；S2、图像预处理：对采集到的图像进行预处理，包含图像缩放、颜色空间转换步骤；S3、瑕疵检测：将预处理后的图像输入到目标检测模型中进行推理，输出包括每个目标的类别和边界框坐标的检测结果；S4、结果显示与定位：在原图上绘制边界框和类别标签，可视化检测结果。本发明还公开了一种用于钢材表面缺陷识别的智能检测系统。本发明旨在解决钢材表面缺陷检测过程中存在的精准度和效率方面的技术问题，可以广泛应用于深度学习技术领域。

本发明授权一种用于钢材表面缺陷识别的智能检测方法及系统在权利要求书中公布了：1.一种用于钢材表面缺陷识别的智能检测方法，其特征在于：包括如下步骤： S1、图像采集：实时图像采集，根据需求设置触发条件，定时拍照或外部信号触发，在指定时间捕获图像； S2、图像预处理：对采集到的图像进行预处理，包含图像缩放、颜色空间转换步骤； S3、瑕疵检测：将预处理后的图像输入到目标检测模型中进行推理，输出包括每个目标的类别和边界框坐标的检测结果，具体过程如下： S31、目标检测模型构建：构建由主干网络、颈部网络和检测头三部分组成的模型；所述主干网络引入基于YOLOv9结构的深度可分离卷积网络提取特征；所述颈部网络采用C3模块和双向特征金字塔网络融合特征，其中，C3模块过滤背景干扰，双向特征金字塔网络增强各个尺度特征的表达能力；所述检测头构建最终的目标分类和边界框回归，所述主干网络引入深度可分离卷积网络提取特征的具体过程如下： 输入特征图卷积操作：使用N个大小为S×S、深度为M的卷积核，对输入的特征图进行卷积操作，得到N个H×W的特征图，该卷积操作的参数量为：P1=S×S×M×N； 深度可分离卷积网络运算：通过M个大小为S×S、深度为1的卷积核，对输入特征图进行深度卷积，得到M个H×W的特征图，该参数量为：P2=S×S×1×M；再使用N个大小为1×1、深度为M的卷积核，对输入特征图卷积操作输出的结果进行逐点卷积，生成N个H×W的特征图，该参数量为：P3=1×1×M×N，则深度可分离卷积网络运算总参数量为：P4=S×S×1×M+1×1×M×N，深度可分离卷积网络运算和普通卷积的参数量之比为： ； S32、目标检测模型训练：将预处理后的图像数据输入到目标检测模型中训练，目标检测模型训练采用大规模开源NEU表面缺陷检测数据集； S33、目标检测模型推理：将实时采集的图像输入训练好的模型中，模型计算每个网格单元包括目标的类别、边界框位置及置信度在内的预测结果，经过非极大值抑制，去除重复的检测结果，保留置信度最高的边界框，并输出每个检测到的目标的类别和边界框坐标； S4、结果显示与定位：在原图上绘制边界框和类别标签，可视化检测结果。

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三亚学院，其通讯地址为：572022 海南省三亚市吉阳区学院路191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。