专利交易市场

本发明公开了基于优化内存模块和U‑Net++的表面缺陷检测方法，涉及工业图像表面缺陷检测技术领域，包括步骤如下：将所有正态样本均进行预处理，然后使用ResNet18模型对正态样本进行特征提取，并在冻结ResNet18模型特征提取的网络参数，再针对提取到的所有正态样本不同层的特征图，使用聚类算法，得到优化内存模块；本发明通过使用基于K‑means聚类算法的优化内存模块，即避免了内存模型中由于存储过多正态样本特征导致的内存空间消耗过多以及最佳差值信息计算耗时较长的问题，又避免内存模型中存储有限的正态样本但过于片面不能涵盖所有正态特征分布的问题。

本发明属于计算机视觉的目标检测领域，具体设计一种基于改进YOLOV5模型的智能手机表面缺陷检测方法。该方法包括：智能手机表面缺陷图像实时采集；采集图像的分割；图像增强和标注，手机面板的数据集制作；构建改进YOLOV5模型；对改进的YOLOV5模型进行训练；使用训练好的YOLOV5模型对智能手机面板表面进行检测。所述YOLOV5模型：Backbone中引入注意力模块；Neck中增加特征图的跨尺度和跨层融合；Head中加入可变形卷积；同时使用Varifocalloss交叉熵函数；在锚框筛选阶段，在锚框集合中，通过框强邻抑制和弱邻强化，提升锚框去重的效率和置信度；最后对改进YOLOV5模型的结构进行轻量化压缩。改进的YOLOV5模型检测智能手机表面缺陷，较原始的YOLOV5模型有着更好准确度和实时性能。

本发明公开了一种基于特征聚焦细化的表面缺陷检测方法和系统，涉及缺陷检测技术领域，方法包括：目标特征聚焦细化缺陷检测模型包括目标边缘聚焦特征提取网络、目标复用融合语义网络、目标语义‑通道‑空间加权细化网络和目标检测层；通过目标边缘聚焦特征提取网络基于待检测图像输出多个缺陷边缘多尺度聚焦特征向量；将各缺陷边缘多尺度聚焦特征向量输入目标复用融合语义网络对应生成多个复用融合语义特征；采用目标语义‑通道‑空间加权细化网络基于各复用融合语义特征对应确定多个语义‑通道‑空间加权细化特征；通过目标检测层基于各语义‑通道‑空间加权细化特征输出待检测图像的缺陷检测结果。提高了小目标缺陷检测精度。

本发明公开了一种基于特征预融合与掩膜引导的表面缺陷检测方法，主要解决现有缺陷检测技术对弱区分度、小尺度缺陷检测结果准确率低的问题。其实施方案为：1)获取数据集与检测标签；2)构建缺陷检测模型；3)构建损失函数；4)训练缺陷检测模型；5)推理并获得检测结果。本发明构建的表面缺陷检测模型，通过特征预融合进行感受野的扩大与信息扩散，实现特征图内上下文的增强，有效提升了对弱区分度缺陷的检测准确率；通过多阶段特征融合引入缺陷边界框的掩膜标签，使得缺陷区域信息密度升高，提升了小尺度缺陷的检测准确率。

本发明提供一种基于GCC‑YOLOv8网络模型的导光板表面缺陷检测方法，该方法包括以下步骤：获取待检测导光板的图像；将图像输入GCC‑YOLOv8网络模型进行缺陷检测；基于检测结果输出导光板的表面缺陷信息；其中，GCC‑YOLOv8网络模型基于YOLOv8网络模型构建，包括依次设置的骨干网络单元、颈部网络单元和具有三个并行的检测分支的检测头网络单元；骨干网络单元在其末端设有两个GKA‑C2f1模块；颈部网络单元包括FPN网络单元和PAN网络单元，FPN网络单元包括两个上采样模块、两个C2f2模块、两个Concat模块、一个SPPF模块和一个CPCA模块；PAN网络单元包括两个CBS模块、两个Concat模块、两个C2f2模块、三个CPCA模块、一个CFC模块和一个SFC模块。本发明具有较好的导光板表面缺陷检测性能和鲁棒性，并兼顾较佳的检测速度。

本发明公开了一种基于深度学习的表面缺陷检测方法，包括：对待检测的产品图像进行处理，并对处理后的待检测产品图像进行特征提取，获取产品图像特征图；基于头部网络对所述产品图像特征图进行处理，获得带有表面缺陷的图像的高级特征；通过解耦式检测头根据所述高级特征进行检测，对生成的检测结果进行解码，获得最终的检测结果。本发明通过应用CST模块、FasterNet模块、解耦式检测头和EIoU损失函数来实现精度的提高和加快模型运行速度。

本发明公开了一种基于机器视觉的实时工件表面缺陷检测评价系统及方法，该系统包括图像采集平台、无线传输平台、检测处理平台、可视化监控平台；涉及的方法包括：工人远程通过无线传输装置远程调控图像采集环境，保证图像采集质量，图像采集平台收集的图像信息将远程传输处理后由检测处理平台生成包含缺陷标注信息、质量评估报告、检测性能分析报告在内的多角度检测评价信息，展示在可视化监控平台供工作人员评判处理。本发明通过集成化的缺陷检测系统可全面智能的评估工件表面质量水平，并采用远程人机交互控制方法，有效保证系统运行的安全性与便捷性。

本发明提供一种基于半监督生成对抗分割模型的表面缺陷检测方法和系统，所述方法具体包括以下步骤：构建SSGD‑Seg模型；所述SSGD‑Seg模型包括第一生成器G1和第二生成器G2，第一判别器D1和第二判别器D2；数据集准备及预处理；基于预处理后的数据训练SSGD‑Seg模型；采用训练后的所述SSGD‑Seg模型对待检测物品进行缺陷检测。本发明可以精准的检测到小且弱的表面缺陷，并大大降低人工与时间成本，为保障工业生产的正常进行和生产企业对产品的质量把控有着积极意义。