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！

龙图腾网获悉华中科技大学申请的专利一种机器人巡检部件缺陷检测方法及其应用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：CN116665126B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310615950.4，技术领域涉及：G06V20/52；该发明授权一种机器人巡检部件缺陷检测方法及其应用是由彭刚;彭嘉悉;宋朝位设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本一种机器人巡检部件缺陷检测方法及其应用在说明书摘要公布了：本发明属于部件缺陷检测领域，具体涉及一种机器人巡检部件缺陷检测方法及其应用，包括：将由每张巡检图像经目标识别网络所对应得到的部件识别结果转换为二维测试结果语义点云；将该张巡检图像对应的标准图像中所有标注框转为二维标准语义点云；确定两个点云的相似变换，以将两者进行点云配准，基于配准结果，识别二维标准语义点云中的孤立点；将孤立点对应的标注框信息作为丢失部件的类型和位置；还可对每张巡检图像的部件识别结果中各边界框进行裁剪，并输入部件异常精细类别分类网络，得到各边界框对应的部件异常精细类别结果；其中，采用随机裁剪的方式构建训练分类网络的训练样本。本发明实现了适用于实际运用场景的高效率、高精度缺陷检测。

本发明授权一种机器人巡检部件缺陷检测方法及其应用在权利要求书中公布了：1.一种机器人巡检部件缺陷检测方法，其特征在于，包括： 将由每张巡检图像经目标识别网络所对应得到的部件识别结果转换为二维测试结果语义点云；基于每张巡检图像的采集位置，利用位置约束映射确定预采集的一张标准图像，将该标准图像中所有标注框转为二维标准语义点云；确定两个点云的相似变换，以将两者进行点云配准，对配准之后的点云，计算二维标准语义点云中每个点与其对应的二维测试结果语义点云中的点之间的距离，若距离大于阈值，则视为孤立点；将孤立点对应的标注框信息作为丢失部件的类型和位置，完成部件丢失缺陷诊断； 和， 对每张巡检图像的部件识别结果中各边界框进行裁剪，并输入部件异常精细类别分类网络，得到该张巡检图像中各边界框对应的部件异常精细类别结果；其中，用于训练所述分类网络的训练样本包括通过以下方式得到的样本：以训练用巡检图像中每一种部件的标注框为基础，在图像上随机裁剪若干区域，得到该种部件的精细类别训练样本，精细类别包括正常类别、异常类别以及非部件背景类别； 所述部件识别结果采用以下方式得到： 采集车间内复杂器械上各区域的巡检图像，基于每张巡检图像的采集位置，利用位置约束映射确定预采集的一张标准图像，获取由该标准图像得到的对应区域的多通道先验语义图像，其中，所述多通道先验语义图像的构建方式为：对该标准图像的部件标注信息进行信息转换，得到能够在图像上表达部件先验概率的信息形式；初始化通道数与复杂器械中所有部件类型总数一致的多通道灰度图像；将所述信息形式叠加在所述多通道灰度图像上，生成多通道先验语义图像，作为张量化的先验结构知识，每个通道的先验语义图像以像素值代表概率的形式表征某一种部件类型在该标准图像中的先验位置和大小； 采用预先构建的多通道语义图像输入分支，将已训练的巡检图像特征提取网络对每张巡检图像所生成的最后两层高语义性特征图像和该张巡检图像对应的所述多通道先验语义图像进行融合，实现先验结构知识对巡检图像特征的增强；其中，所述多通道语义图像输入分支是通过结合Resnet的Bottleneck模块和可变形卷积算子构造得到； 基于所述融合后的特征图像以及巡检图像特征提取网络其它输出层所输出的特征图像，通过回归与分类，得到部件目标识别结果。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。