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！

龙图腾网获悉四川省建筑机械化工程有限公司申请的专利图像边缘波动特征智能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：CN120976566B 。

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：202511492390.3，技术领域涉及：G06V10/44；该发明授权图像边缘波动特征智能检测方法是由杜志勇;李政;许彤;郑伟;林行;李凌剑;凌秀锋设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本图像边缘波动特征智能检测方法在说明书摘要公布了：本发明涉及木模板检测技术领域，公开了一种图像边缘波动特征智能检测方法，包括如下步骤：获取木模板原始图像并进行预处理得到预处理图像；设计基于梯度熵的动态小波分解策略，并将预处理图像通过动态小波分解策略进行多尺度小波分解得到低频子带图像和高频子带图像；提取高频子带图像的小波高频系数，得到高频系数特征向量；构建双通道CNN模型，引入注意力机制模块，得到深度特征向量；基于融合特征向量计算边缘波动量化指标，并将边缘波动量化指标结合低频子带图像的轮廓曲率变化率和融合特征向量共同输入至训练好的神经网络模型中得到原始图像的缺陷等级。本发明通过双通道CNN架构结合注意力机制，能更准确地反映木模板边缘波动等关键特征。

本发明授权图像边缘波动特征智能检测方法在权利要求书中公布了：1.一种图像边缘波动特征智能检测方法，其特征在于，包括如下步骤： 获取木模板原始图像并进行预处理得到预处理图像； 设计基于梯度熵的动态小波分解策略，并将所述预处理图像通过所述动态小波分解策略进行多尺度小波分解得到反映所述预处理图像整体轮廓的低频子带图像和包含所述预处理图像边缘细节的高频子带图像； 提取所述高频子带图像的小波高频系数，并将所述小波高频系数映射至特征空间得到高频系数特征向量； 构建由纹理抑制通道和边缘增强通道组成的双通道CNN模型，同时引入包含空间注意力权重和通道注意力权重的注意力机制模块，通过所述双通道CNN模型提取所述高频子带图像的联合特征向量，并通过所述注意力机制模块对所述联合特征向量进行优化，得到深度特征向量； 采用强化学习动态优化方法确定所述深度特征向量、高频系数特征向量的权重，并对所述深度特征向量和高频系数特征向量进行加权融合得到融合特征向量，然后基于所述融合特征向量计算边缘波动量化指标，并将所述边缘波动量化指标结合所述低频子带图像的轮廓曲率变化率和融合特征向量共同输入至训练好的神经网络模型中得到所述原始图像的缺陷等级； 基于梯度熵的动态小波分解策略具体为： S2.1、基于所述梯度熵值进行小波参数的初始选择：计算所述预处理图像的全局梯度熵值均值，并比较所述全局梯度熵值均值与设定好的梯度熵值阈值，从而选择对应的小波基函数和分解层数； 所述梯度熵值的表达式为，其中，为局部窗口内梯度幅值的概率分布，n为梯度幅值量化级数； S2.2、根据步骤S2.1选择的小波基函数和分解层数对所述预处理图像进行多尺度小波分解从而得到初始低频子带图像； S2.3、计算所述初始低频子带图像的轮廓不规则度，并比较所述轮廓不规则度与设定好的轮廓不规则度阈值，从而选择新的小波基函数和分解层数； S2.4、根据新的小波基函数和分解层数对所述预处理图像进行多尺度小波分解从而得到最终的低频子带图像和高频子带图像。

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四川省建筑机械化工程有限公司，其通讯地址为：610000 四川省成都市成华区二仙桥西一巷7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。