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！

龙图腾网获悉浙江大学申请的专利一种基于小样本学习的玻璃面板表面缺陷检测方法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：CN114092389B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202111068447.9，技术领域涉及：G06T7/00；该发明授权一种基于小样本学习的玻璃面板表面缺陷检测方法是由刘妹琴;周超凡;张森林;董山玲;吴争光;郑荣濠设计研发完成，并于2021-09-13向国家知识产权局提交的专利申请。

本一种基于小样本学习的玻璃面板表面缺陷检测方法在说明书摘要公布了：本发明公开了一种基于小样本学习的玻璃面板表面缺陷检测方法，包括以下步骤：采集少量有缺陷的玻璃面板图像并标注边界框和缺陷类别；对少量玻璃面板缺陷图像进行预处理及数量扩展；构建用于对玻璃面板缺陷图像进行识别和定位的网络；使用训练好的缺陷检测模型对玻璃面板图像进行缺陷检测，输出缺陷边框和类别。该方法使用数据增强、迁移学习、L2正则化缓解小样本问题，对标注框进行随机抖动增加边框的多样性，以提高模型鲁棒性，使用全局ROI提取层为候选区域特征引入背景信息，自适应改变损失中各个样本的权重以提高模型性能。该方法适合只有少量玻璃面板图像的表面缺陷检测任务，检测精度高。

本发明授权一种基于小样本学习的玻璃面板表面缺陷检测方法在权利要求书中公布了：1.一种基于小样本学习的玻璃面板表面缺陷检测方法，其特征在于，包括以下步骤： S1：采集少量有缺陷的玻璃面板图像，并标注边界框和缺陷类别； S2：对玻璃面板图像进行预处理及数量扩展，构建玻璃面板表面缺陷检测数据集，具体为： a.预处理：包括限制对比度自适应直方图均衡化和添加噪声； 所述的对比度自适应直方图均衡化为：使用限制对比度自适应直方图均衡化方法，将玻璃面板图像从RGB颜色模式转换为LAB颜色模式，将图像分割为大小相等的8×8矩形块，统计每个矩形块亮度通道的直方图分布，对每个直方图中超过了阈值的灰度级部分裁剪并平均分配到各个阈值内的灰度级上，接着对每个直方图均衡化，计算每个矩形块中心点均衡化后的亮度值，对每个像素点使用邻近的矩形块的中心点进行双线性插值，得到该像素点亮度值，将插值后的图像从LAB颜色模式转换为RGB颜色模式； 所述的噪声为随机添加高斯或椒盐噪声； b.数量扩展：设置图像块和边界框交并比的阈值集合{0.1,0.3,0.5,0.7,0.9}，对每一张带有缺陷的玻璃面板图像按照阈值从小到大的顺序依次进行多轮剪裁得到若干图像块，每一个图像块中包括一个或多个带有缺陷类别的边界框，每一轮剪裁中保证得到的图像块中带有缺陷类别的边界框和图像块的交并比大于阈值；剪裁结束后，对标注框进行随机抖动； S3：构建用于对玻璃面板图像进行识别和定位的缺陷检测网络，所述的缺陷检测网络包含由ResNet101和特征金字塔网络构成的主干特征提取网络、改进的RPN网络、ROIpooling层、全局ROI提取层、边框回归网络和分类网络； 所述的主干特征提取网络用于提取图像的全局特征，改进的RPN网络和ROIpooling层用于提取图像的候选区域特征，全局ROI提取层用于融合全局特征和候选区域特征，对候选区域特征进行更新，边框回归网络和分类网络用于根据更新后的候选区域特征生成定位边界框和缺陷类别； 所述的ResNet101包括一层卷积层和自下而上连接的四个残差块；每一个残差块的输出与自上而下的特征金字塔网络的对应层依次连接，将特征金字塔网络各层输出结果进行L2正则化处理，得到多尺度特征图； 所述的改进的RPN网络工作方式为：将特征金字塔网络输出的多尺度特征图作为RPN网络的输入，每个尺度的特征图中生成p种锚框，所述锚框的长和宽尺寸通过k-means聚类得到，采用IOU值作为聚类的评判标准；采用自适应训练样本选择方法，自动选择正样本和负样本，进行分类和边框回归训练；所述的锚框经过RPN网络进行边框回归和打分，得到初始的候选区域，经过NMS过滤后，得到最终的候选区域； 将改进的RPN网络生成的候选区域输入到ROIpooling层，从特征金字塔网络输出的对应尺度的特征图中提取候选区域特征，并统一尺寸；将特征金字塔网络输出的多尺度特征图作为全局特征，将候选区域特征与平均池化后的全局特征进行基于注意力机制的处理，以候选区域特征作为掩膜，生成背景特征；再将背景特征与候选区域特征动态融合，以w_pro和w_bg作为可学习的参数，得到更新后的候选区域特征； S4：使用玻璃面板表面缺陷检测数据集对构建的缺陷检测网络进行训练，得到训练好的缺陷检测模型； S5：使用训练好的缺陷检测模型对玻璃面板图像进行缺陷检测，输出缺陷定位边界框和所属的缺陷类别。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。