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！

龙图腾网获悉江苏久祥汽车电器集团有限公司申请的专利一种基于视觉的汽车配件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：CN120219347B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510334916.9，技术领域涉及：G06T7/00；该发明授权一种基于视觉的汽车配件缺陷检测方法及系统是由郑州;王占栋;张东桥设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本一种基于视觉的汽车配件缺陷检测方法及系统在说明书摘要公布了：本发明公开了一种基于视觉的汽车配件缺陷检测方法及系统，包括：通过图像采集装置获取汽车配件表面图像，进行灰度化处理，生成初始图像；将初始图像输入超分辨率模型，生成重建图像；将重建图像输入实体分割U‑Net模型，分割出重建图像当中的汽车配件实体，生成实体图像；将实体图像输入缺陷检测U‑Net模型，对实体图像进行像素级的缺陷区域检测，以二进制1和0的形式进行区分标识，生成缺陷二值图像；将缺陷二值图像和重建图像在每一个像素上分别进行逻辑与运算，最终得到汽车配件表面缺陷区域，完成汽车配件缺陷检测。本发明实现了针对汽车配件缺陷进行高准确性的计算机视觉检测，解决了背景干扰检测准确性的问题，并具有较高的鲁棒性。

本发明授权一种基于视觉的汽车配件缺陷检测方法及系统在权利要求书中公布了：1.一种基于视觉的汽车配件缺陷检测方法，其特征在于，所述方法包括： 步骤1：通过图像采集装置获取汽车配件表面图像，将汽车配件表面图像进行灰度化处理，生成初始图像； 步骤2：将初始图像输入超分辨率模型，超分辨率模型对初始图像进行端到端的超分辨率重建，生成重建图像； 步骤3：将重建图像输入实体分割U-Net模型，实体分割U-Net模型对重建图像执行图像分割，分割出重建图像当中的汽车配件实体，并将重建图像当中汽车配件实体以外的像素灰度值置为0，生成实体图像；具体包括以下步骤： 步骤3.1：构建实体分割U-Net模型，其中，实体分割U-Net模型具有依次连接的编码器、解码器和输出层； 步骤3.2：将重建图像输入编码器，通过编码器中依次堆叠的4个卷积块对重建图像进行特征提取，分别生成对应尺度的特征图，其中，每个卷积块包括2个卷积层和1个池化层； 步骤3.3：解码器接收编码器最后生成的特征图，通过解码器中依次堆叠的4个反卷积块进行上采样，分别生成对应尺度的特征图，并通过跳跃连接将编码器与解码器中对应层级生成的特征图进行融合，其中，每个反卷积块包括2个卷积层和1个反卷积层； 步骤3.4：输出层对解码器最终输出的特征图的每个像素进行分类，生成分割图像，其中，输出层包括1个卷积层，分割图像当中每个像素的数值表示属于汽车配件实体的概率； 步骤3.5：将分割图像当中所有数值小于0.5的像素重置为0，所有数值大于等于0.5的像素重置为1，生成重置后的分割图像； 步骤3.6：将重置后的分割图像与重建图像进行逻辑与运算，生成实体图像； 步骤4：将实体图像输入缺陷检测U-Net模型，缺陷检测U-Net模型对实体图像进行像素级的缺陷区域检测，将实体图像当中汽车配件的缺陷区域和正常区域的像素灰度值分别以二进制1和0的形式进行区分标识，生成缺陷二值图像；具体包括以下步骤： 步骤4.1：构建缺陷检测U-Net模型，其中，缺陷检测U-Net模型具有依次连接的编码器、解码器和输出层； 步骤4.2：将实体图像输入编码器，通过编码器中依次堆叠的6个卷积块对重建图像进行特征提取，分别生成对应尺度的特征图，其中，每个卷积块包括3个卷积层和1个池化层； 步骤4.3：解码器接收编码器最后生成的特征图，通过解码器中依次堆叠的6个反卷积块进行上采样，分别生成对应尺度的特征图，并通过跳跃连接将编码器与解码器中对应层级生成的特征图进行融合，其中，每个反卷积块包括3个卷积层和1个反卷积层； 步骤4.4：输出层对解码器最终输出的特征图的每个像素进行分类，生成缺陷检测图像，其中，输出层包括4个卷积层，缺陷检测图像当中每个像素的数值表示属于汽车配件实体的概率； 步骤4.5：将缺陷检测图像当中所有数值小于0.5的像素重置为0，所有数值大于等于0.5的像素重置为1，生成缺陷二值图像； 步骤5：将缺陷二值图像和重建图像在每一个像素上分别进行逻辑与运算，最终得到汽车配件表面缺陷区域，完成汽车配件缺陷检测。

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苏久祥汽车电器集团有限公司，其通讯地址为：221200 江苏省徐州市睢宁县经济开发区前进路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”。

以上内容由龙图腾AI智能生成。