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！

龙图腾网获悉衡阳县金美时科技有限公司申请的专利基于视觉技术的钟表零配件瑕疵件分类识别方法及其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：CN120808037B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511033607.4，技术领域涉及：G06V10/764；该发明授权基于视觉技术的钟表零配件瑕疵件分类识别方法及其系统是由欧明;欧红兵;黄知秀设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本基于视觉技术的钟表零配件瑕疵件分类识别方法及其系统在说明书摘要公布了：本发明公开了基于视觉技术的钟表零配件瑕疵件分类识别方法及其系统，通过获取钟表零配件图像数据，引入自适应光照校正算法，通过直方图均衡化与增强技术消除反光干扰，建立双路径卷积神经网络分别提取所述处理图像数据中的局部纹理特征和全局几何特征，通过SEBlock注意力机制进行特征的加权融合，得到融合特征数据；基于神经网络建立轻量化分类器，将所述融合特征数据输入至所述轻量化分类器中进行分类，输出初步分类结果；根据所述初步分类结果利用GANs生成对抗网络生成缺陷样本，通过贝叶斯算法计算后验概率，输出目标分类结果。提高了分类识别的准确性和完整性。

本发明授权基于视觉技术的钟表零配件瑕疵件分类识别方法及其系统在权利要求书中公布了：1.基于视觉技术的钟表零配件瑕疵件分类识别方法，其特征在于，所述钟表零配件瑕疵件分类识别方法包括以下步骤： 获取钟表零配件图像数据，引入自适应光照校正算法，通过直方图均衡化与Retinex增强技术消除反光干扰，得到处理图像数据； 建立DualPathNet双路径卷积神经网络分别提取所述处理图像数据中的局部纹理特征和全局几何特征，通过SEBlock注意力机制进行特征的加权融合，得到融合特征数据； 基于MobileNetV3神经网络建立轻量化分类器，将所述融合特征数据输入至所述轻量化分类器中进行分类，输出初步分类结果； 根据所述初步分类结果利用GANs生成对抗网络生成缺陷样本，通过贝叶斯算法计算后验概率，输出目标分类结果； 所述建立DualPathNet双路径卷积神经网络分别提取所述处理图像数据中的局部纹理特征和全局几何特征，通过SEBlock注意力机制进行特征的加权融合，得到融合特征数据，包括： 建立DualPathNet双路径卷积神经网络，通过卷积核进行卷积操作，提取处理图像数据的初步特征，得到初步特征图像； 将初步特征图像依次经过3个卷积块，中间加入批归一化和ReLU激活函数，通过减小感受野捕捉图像中的局部纹理细节，包括表面划痕和斑点； 将所述处理图像数据通过DualPathNet双路径卷积神经网络的卷积核进行卷积操作，第一个卷积降低特征通道数；中间卷积提取中等尺度的几何特征，最后卷积将通道数进行恢复； 通过增大感受野，捕捉钟表零配件的全局几何特征，包括整体形状、轮廓； 所述建立DualPathNet双路径卷积神经网络分别提取所述处理图像数据中的局部纹理特征和全局几何特征，通过SEBlock注意力机制进行特征的加权融合，得到融合特征数据，还包括： 对局部纹理特征和全局几何特征进行全局平均池化操作，将每个通道的特征压缩为一个标量，得到通道描述符； 通过全连接层对通道描述符进行降维处理，经过ReLU激活函数后再通过全连接层将维度恢复，利用Sigmoid激活函数得到每个通道的权重； 将得到的权重与对应的特征图相乘，对每个通道的特征进行加权调整，将重要特征赋予较高权重，得到融合特征数据； 所述基于MobileNetV3神经网络建立轻量化分类器，将所述融合特征数据输入至所述轻量化分类器中进行分类，输出初步分类结果，包括： 将融合特征数据输入至轻量化分类器中，卷积层通过不同尺寸的卷积核提取融合特征中的深层模式，将划痕的纹理特征与周边正常纹理的差异放大； 池化层通过选取局部区域的最大值和平均值，在压缩特征图尺寸的同时保留关键信息，得到高维特征区域； 全连接层将高维特征映射到预设的分类空间，输出初步分类结果，包括合格件、划痕件、变形件和斑点件； 所述根据所述初步分类结果利用GANs生成对抗网络生成缺陷样本，通过贝叶斯算法计算后验概率，输出目标分类结果，包括： 判别器通过多层卷积操作提取样本的特征细节，分析图像中的缺陷特征是否符合真实物理规律； 对稀有缺陷的真实样本赋予更高权重，生成器优先生成缺陷的多样化样本，其中，当初步分类中某类缺陷的识别准确率较低，生成器会针对性增加该类缺陷的样本生成量，且生成的样本会模拟初步分类中易误判的特征组合； 所述根据所述初步分类结果利用GANs生成对抗网络生成缺陷样本，通过贝叶斯算法计算后验概率，输出目标分类结果，还包括： 通过贝叶斯算法基于初步分类结果统计的各类缺陷出现的概率量化的分类可信度，输出目标分类结果，其中，贝叶斯算法的量化基础是先验概率，即基于初步分类结果统计的各类缺陷出现的概率。

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衡阳县金美时科技有限公司，其通讯地址为：421200 湖南省衡阳市衡阳县西渡镇清江北路船山时间谷钟表产业园厂房A13栋；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。