华南理工大学谢升恒获国家专利权
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!
龙图腾网获悉华南理工大学申请的专利一种基于红外图像识别的纸张涂布缺陷分类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:CN121051704B 。
龙图腾网通过国家知识产权局官网在2026-02-06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:202511596546.2,技术领域涉及:G06F18/25;该发明授权一种基于红外图像识别的纸张涂布缺陷分类方法及系统是由谢升恒;田震设计研发完成,并于2025-11-04向国家知识产权局提交的专利申请。
本一种基于红外图像识别的纸张涂布缺陷分类方法及系统在说明书摘要公布了:本发明涉及纸张涂布缺陷检测技术领域,公开了一种基于红外图像识别的纸张涂布缺陷分类方法及系统,该方法包括:将涂布纸表面划分为若干个检测区域;利用多智能体分布协同优化算法,并依据检测资源与进度,分配和排序检测任务,得到优化后的分区检测执行序列;基于耦合振动模态特征提取算法和卷积神经网络模型,并在分区检测执行序列的指导下,对每个分区的原始红外图像进行特征提取,得到包含红外图像特征与空气动力学模态特征的多维分区特征集合;分别将多维分区特征输入不同的缺陷分类模型,通过加权投票的方式,得到每个分区的最终涂布纸缺陷分类结果。本发明实现了涂布纸的高精度缺陷识别。
本发明授权一种基于红外图像识别的纸张涂布缺陷分类方法及系统在权利要求书中公布了:1.一种基于红外图像识别的纸张涂布缺陷分类方法,其特征在于,包括: 构建涂布纸的分区编号归档的原始红外图像数据集,并根据分区编号,将涂布纸表面划分为若干个检测区域;具体包括: 获取标准化的涂布纸全幅原始红外图像,并根据所需检测分辨率和检测区域划分策略,制定空间均匀的分区网格划分方案,输出每幅涂布纸全幅原始红外图像的分区总数和每个分区的坐标边界参数,同时为每个分区生成全局唯一的分区编号; 将涂布纸全幅原始红外图像按分区网格坐标进行剪切,对每一分区切割出单独的检测区域子图,并组合得到分区编号、检测区域空间坐标与分区图像子块三元组集合; 利用多智能体分布协同优化算法,并依据检测资源、检测进度及所述若干个检测区域各自的任务工作量,分配和排序检测任务,得到优化后的分区检测执行序列; 基于耦合振动模态特征提取算法和卷积神经网络模型,并在分区检测执行序列的指导下,对每个分区的原始红外图像进行特征提取,得到包含红外图像特征与空气动力学模态特征的多维分区特征集合;具体包括: 采用卷积神经网络模型,对每个检测区域的分区图像进行空间结构特征提取;采用傅里叶变换及小波变换提取频域和纹理特征,并结合空间结构特征,融合形成初步空间频域特征; 利用压电激振器施加气流,诱导局部纸幅产生受控颤动,采用激光多普勒测振仪监控检测区域的动态响应数据; 利用耦合振动模态特征提取算法,提取检测区域的振动模态特征,并量化振幅异常指数和涡旋耗散特征;将振幅异常指数和涡旋耗散特征,融合为振动模态物理特征; 将初步空间频域特征与振动模态物理特征进行特征融合,形成符合分区检测执行序列的多维分区特征; 分别将多维分区特征输入不同的缺陷分类模型,通过加权投票的方式,得到每个分区的最终涂布纸缺陷分类结果。
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南理工大学,其通讯地址为:510640 广东省广州市天河区五山路381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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励