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！

龙图腾网获悉南阳金冠实业有限公司申请的专利一种基于机器视觉的电阻片缺陷在线检测系统及分级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：CN120765532B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202510701814.6，技术领域涉及：G06T7/00；该发明授权一种基于机器视觉的电阻片缺陷在线检测系统及分级方法是由庞连庆;郜松海;屈朋云;党春晖;李进;白惠文;覃兆杨设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本一种基于机器视觉的电阻片缺陷在线检测系统及分级方法在说明书摘要公布了：本发明公开了一种基于机器视觉的电阻片缺陷在线检测系统及分级方法，涉及工业机器视觉检测技术领域，解决了现有技术在多尺度缺陷动态感知、跨层级特征交互和工艺自适应优化方面的缺陷问题；本方案通过Retinex光照校正与联合去噪模型抑制金属反光干扰；采用可变形卷积核与空洞空间金字塔池化实现多尺度缺陷的梯度熵驱动动态感知；构建双向跨层注意力网络实现高分辨率细节与高层语义的早期融合；基于图注意力网络与自监督消息传递机制建模局部‑全局特征物理关联；集成强化学习与忆阻器随机计算单元形成闭环参数优化体系；本发明显著提升了多尺度缺陷检测精度、跨模态特征融合效率和复杂工况下的系统自适应能力。

本发明授权一种基于机器视觉的电阻片缺陷在线检测系统及分级方法在权利要求书中公布了：1.一种基于机器视觉的电阻片缺陷在线检测系统；其特征在于：包括： 动态补偿模块，用于基于线阵相机与多光谱光源采集的RGB及近红外双模态数据，采用Retinex多尺度光照补偿算法消除反光，并通过双边滤波与非局部均值去噪抑制高频噪声，获得标准化图像；所述动态补偿模块中，所述Retinex多尺度光照补偿算法通过15、80和200三尺度高斯卷积核对原始RGB图像进行多通道分解，提取光照分量与反射分量，并通过对数域变换方法消除光照不均；针对金属箔反光区域，所述Retinex多尺度光照补偿算法通过高斯差分滤波检测高光像素梯度突变，生成反光掩膜矩阵，采用自适应权重函数对高光区域反射分量进行非线性衰减，生成反射率校正图像；所述动态补偿模块消除反光后，采用双边滤波核计算像素邻域加权均值，并采用非局部均值算法构建15×15的搜索窗口，通过块相似性度量筛选7×7的相似块，以加权平均迭代方法消除椒盐噪声与高斯噪声；去噪后数据经AXI-Stream协议封装为双通道像素流，通过FPGA内并行乘加器阵列进行对齐与数据格式转换，输出标准化双模态图像； 多尺度感知模块，用于基于所述标准化图像，通过可变形卷积网络的局部梯度熵驱动机制动态调整卷积核采样偏移，采用空洞空间金字塔池化在Conv1至Conv4中嵌入多膨胀率卷积核，生成高频边缘、中阶纹理和全局语义的多尺度特征张量，输出至跨层融合模块；所述多尺度感知模块的工作方法为： s1、通过局部梯度熵计算算法对输入标准化图像的每个像素邻域进行梯度幅值统计，生成梯度熵分布图以量化区域复杂度，计算公式为： 1 在公式1中，表示位置处的局部梯度熵，用于量化5×5窗口像素邻域的复杂度；为邻域内梯度幅值的概率分布；为邻域像素总数； s2、当≥1.2时，触发可变形卷积网络的采样点偏移量动态调整机制，偏移量基于梯度方向场计算，计算公式为： 2 在公式2中，，分别表示卷积核采样点的空间偏移量；为局部梯度方向角，计算公式为：，其中分别表示坐标和的图像梯度场；对于高熵区域驱动3×3卷积核向梯度突变方向偏移，采用膨胀率的密集卷积核提取高频边缘特征； s3、通过空洞空间金字塔池化在Conv2层嵌入膨胀率r=1和r=6的双分支并行卷积核组；在Conv3层嵌入膨胀率r=6和r=12的双分支并行卷积核组；在Conv1和Conv4层分别嵌入膨胀率为1和12的单卷积核，其中Conv4层的感受野扩展为： 3 在公式3中，为卷积核有效感受野尺寸；为膨胀率，用于控制采样点间隔；为基础卷积核尺寸； s4、多膨胀率卷积输出经通道注意力机制加权融合，生成跨尺度特征张量；并通过跨层级跳跃连接将Conv2层高分辨率特征与Conv4层语义特征进行双线性插值对齐，输出多尺度融合特征张量； 跨层融合模块，用于采用双向跨层注意力网络，构建Conv2层与Conv4层的空间及通道协同注意力机制，通过多头自注意力模型动态加权特征关联，经深度可分离卷积降维生成增强型多尺度特征图；所述双向跨层注意力网络的工作原理为： 通过双线性插值算法将Conv2层112×112高分辨率特征图上采样至14×14分辨率，生成与Conv4层语义特征空间对齐的底层细节特征； 通过多头自注意力模型构建跨层关系矩阵，所述跨层关系矩阵的查询向量Q由Conv4层特征经1×1卷积生成，键向量K和值向量V由插值后的Conv2层特征经分组卷积提取； 在空间维度计算Q与K的余弦相似度矩阵，通过Softmax归一化生成空间注意力权重图，动态加权融合Conv2层边缘细节与Conv4层语义上下文；同时在通道维度采用挤压-激励网络计算通道注意力权重，通过Sigmoid函数激活后对融合特征进行通道重标定； 通过深度可分离卷积进行特征降维，其中深度卷积采用3×3核提取局部空间关系，逐点卷积通过1×1核实现跨通道信息交互； 最终生成的多尺度增强特征图经跳跃连接与原始Conv4层特征相加，并采用残差学习机制避免梯度消失； 图网络分类模块，用于将所述增强型多尺度特征图映射为异构特征关系图，节点表征多尺度缺陷属性，包括边缘梯度、纹理密度和形变曲率；并基于图注意力网络与Node2Vec嵌入方法构建自监督消息传递机制，输出动态权重特征至改进型XGBoost多标签分类器，结合先验参数生成缺陷类型和缺陷等级；所述缺陷类型包括表面缺陷和结构缺陷；所述缺陷等级为4级； 参数优化模块，用于基于边缘节点实时采集的产线参数和改进型XGBoost多标签分类器输出的缺陷数据，采用近端策略优化模型在线迭代策略函数，动态调整卷积核尺寸与分类阈值，并通过忆阻器随机计算方法，采用随机共振编码抑制传输噪声，优化参数回传至所述多尺度感知模块与图网络分类模块。

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南阳金冠实业有限公司，其通讯地址为：473000 河南省南阳市唐河县兴唐街道伏牛路与日月潭路交叉口东50米88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。