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！

龙图腾网获悉苏州唯景视觉科技有限公司申请的专利基于机器学习的缺陷检测方法、装置和电子设备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：CN118822979B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202410875362.9，技术领域涉及：G06T7/00；该发明授权基于机器学习的缺陷检测方法、装置和电子设备是由项强德设计研发完成，并于2024-07-02向国家知识产权局提交的专利申请。

本基于机器学习的缺陷检测方法、装置和电子设备在说明书摘要公布了：本发明提供的基于机器学习的缺陷检测方法、装置和电子设备，涉及机器学习领域；方法包括：获取工业产品表面正常图像和表面缺陷图像并进行预处理，获得工业产品表面图像数据集；其中，预处理过程为根据目标方形模板对获取图像进行图像修整，包括图像裁剪和补黑像素；根据表面图像数据集，训练基于机器学习的缺陷检测模型，该模型为卷积神经网络模型，其架构包括卷积层、激活函数以及多个池化层；接收实时拍摄的工业产品表面图像并进行预处理，获得待检测表面图像；将待检测表面图像输入基于机器学习的缺陷检测模型，输出缺陷检测结果。本发明通过对工业产品样本数据进行有限扩充，同时采用像素尺寸限定的方式提升模型检测准确度。

本发明授权基于机器学习的缺陷检测方法、装置和电子设备在权利要求书中公布了：1.一种基于机器学习的缺陷检测方法，其特征在于，包括如下步骤： 获取工业产品表面正常图像和工业产品表面缺陷图像并进行预处理，获得工业产品表面图像数据集； 获取所述工业产品表面缺陷图像，具体包括：获取同一工业产品在不同光照条件下的工业产品表面图像；对同一工业产品的所述工业产品表面图像依次采用图像滤波算法进行滤波处理、阈值过滤二值化处理和形态学变换方法降噪处理，获得所述工业产品在各光照条件下的缺陷；剪切处理后的所述工业产品表面图像，获得至少包含一处缺陷的若干缺陷图片；将所述缺陷图片按照被检出的缺陷位置拼装在同一张图片上进行缺陷汇总，对任意相邻两个缺陷，计算两个所述缺陷间的最小距离L；判断所述最小距离与第一距离阈值L1、第二距离阈值L2的关系，并根据所述关系确定所述缺陷的框选方式；其中，L1＞L2；当L≥L1，采用标准模板框分别识别框选一个所述缺陷；当L1＞L≥L2，采用不规则曲线分别框选两个所述缺陷，并且框选后的两个所述缺陷不重叠；当L2＞L，采用所述标准模板框聚类框选两个所述缺陷为一个缺陷类；对所述缺陷附加类标签； 对所述工业产品表面正常图像和所述工业产品表面缺陷图像进行预处理，具体包括：根据待处理图像的像素尺寸，在第一方形模板、第二方形模板中择一作为目标方形模板，其中，所述第一方形模板的像素尺寸大于所述第二方形模板的像素尺寸，第二方形模板的像素尺寸为训练要求像素尺寸；将所述工业产品表面正常图像和所述工业产品表面缺陷图像置于所述目标方形模板的像素尺寸内，对所述工业产品表面正常图像和所述工业产品表面缺陷图像超出所述目标方形模板的像素尺寸外的部分进行图像裁剪和对所述图像缺失所述目标方形模板的像素尺寸内的部分补黑像素，直至所述工业产品表面正常图像和所述工业产品表面缺陷图像的像素尺寸与所述目标方形模板的像素尺寸相等；当所述目标方形模板为所述第一方形模板时，对预处理后的所述图像缩小至所述第二方形模板的像素尺寸；当缺陷尺寸超出最大的方形模板时，直接围绕所述缺陷的边缘构建方形选择框，再将所述方形选择框缩小至所述第二方形模板的像素尺寸； 根据所述工业产品表面图像数据集，训练基于机器学习的缺陷检测模型，所述基于机器学习的缺陷检测模型为卷积神经网络模型，其架构包括卷积层、激活函数以及多个池化层； 接收实时拍摄的工业产品表面图像，对所述工业产品表面图像进行预处理，获得待检测表面图像； 将所述待检测表面图像输入所述基于机器学习的缺陷检测模型，输出缺陷检测结果；对所述缺陷检测模型识别出的所有缺陷分别用方形模板标识，统计各方形模板内缺陷的像素尺寸；计算各方形模板内缺陷的像素尺寸相对于标准缺陷模板像素尺寸的比值；判断所述比值与标准缺陷阈值的大小，并当所述比值不小于所述标准缺陷阈值时标识所述缺陷；其中，标准缺陷阈值为影响工业产品应用的最小缺陷的像素尺寸与标准缺陷模板像素尺寸的比值。

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苏州唯景视觉科技有限公司，其通讯地址为：215200 江苏省苏州市吴江区江陵街道云创路512号602室；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。