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！

龙图腾网获悉上海大学申请的专利基于2D-3D多模态图像的工业零件缺陷检测方法、系统、设备及存储介质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：CN117252815B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202311096064.1，技术领域涉及：G06T7/00；该发明授权基于2D-3D多模态图像的工业零件缺陷检测方法、系统、设备及存储介质是由武星;李沅航设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本基于2D-3D多模态图像的工业零件缺陷检测方法、系统、设备及存储介质在说明书摘要公布了：本发明涉及一种基于2D‑3D多模态图像的工业零件缺陷检测方法、系统、设备及存储介质。其中的工业零件缺陷检测方法包括：首先利用图像采集设备获取目标零件的2D图像和3D点云数据；然后，通过数据处理模块对2D图像和3D点云进行预处理，再利用深度学习模型对缺陷进行检测和分类，通过结果融合模块将2D和3D特征进行融合和综合评估，得出最终的缺陷检测结果。与传统的单一模态检测方法相比，该多模态系统具有以下优势：一是综合利用了2D和3D信息，增强了检测的准确性和鲁棒性；二是适用于不同类型的工业零件，具有良好的通用性；三是通过深度学习模型的应用，减少了人工特征工程的需求，提高了检测的自动化程度。

本发明授权基于2D-3D多模态图像的工业零件缺陷检测方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于2D-3D多模态图像的工业零件缺陷检测方法，其特征在于，其使用工业相机采集待检测零件的2D和3D图像，通过综合利用2D和3D图像数据，采用深度学习模型进行特征提取，并通过特征融合实现高精度和通用性的缺陷检测，所述工业零件缺陷检测方法包括如下步骤： 从图像采集设备获取目标工业零件的2D图像数据；从图像采集设备获取目标工业零件的深度图像及对应的3D点云数据； 对获取的2D图像数据进行图像增强处理，以提高图像质量，并进行中心随机裁剪和图像前景提取处理，以保证检测模型的训练效果；以及，对获取的3D点云数据进行滤波和去噪处理，以减少数据噪声； 对预处理后的2D图像数据，基于卷积神经网络设计特征提取器，进行特征提取，生成2D特征向量；以及，对预处理后的3D点云数据，利用点云处理算法进行特征提取，生成3D特征向量； 对2D特征向量和3D特征向量实施特征融合，以获得2D-3D多模态特征； 利用深度学习技术设计判别器模型，基于2D-3D多模态特征进行缺陷检测和分类，并根据综合的缺陷评估结果，确定可能的缺陷点位置； 所述对预处理后的2D图像数据，基于卷积神经网络设计特征提取器，进行特征提取，生成2D特征向量，包括： 对于预处理后的2D图像，使用经过图像分类预训练的ResNet类骨干网络，用于从图像中提取高层次的抽象特征，保存其中间尺寸不同的2个层级特征图，进行线性映射和特征拼接，得到最终的2D特征图； 所述对预处理后的3D点云数据，利用点云处理算法进行特征提取，生成3D特征向量，包括： 对于预处理后的3D点云数据，采用FPS最远端采样技术进行各点分组，并使用PointFormer网络进行点云特征提取操作，得到每个分组的3D特征向量； 所述对2D特征向量和3D特征向量实施特征融合，包括： 对获取到的2D特征和3D特征使用交叉注意力机制进行特征融合，得到最终的正样本特征real_feat，使模型充分学习到正样本信息。

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上海大学，其通讯地址为：200444 上海市宝山区上大路99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。