发明专利已授权

一种基于双流神经网络模型的钢板表面缺陷分类方法

📄 申请号：CN202010484073.8 📄 发布日：2026/04/10

著录项目信息

申请日

2020-06-01

公开号

CN111627018B

公开日

2023-08-04

申请人

南通大学

法律状态

已下证

专利类型

发明

主分类号

G06T7_00

IPC 分类号

G06T7_00 , G06V10_764 , G06V10_82 , G06N3_0464 , G01N21_88 , G06N3_045 ,

技术画像

所属领域

神经网络深度学习表面缺陷检测图像分类神经网络

应用场景

钢铁制造, 表面质量检测, 工业自动化, 在线质检, 智能制造

AI 智能推荐 · 同申请人专利 · 搜索相似专利

摘要

本发明提供了一种基于双流神经网络模型的钢板表面缺陷分类方法，包括如下步骤：S10建立钢板表面缺陷标准图库；S20待检测图片缺陷分类，将待检测图片导入双流神经网络获得全局优先值以及局部特征值，综合所述全局优先值以及所述局部特征值确定每张所述待检测图片的缺陷类别；以及S30待检测图片缺陷位置判定，使用YOLO网络确定所述分类结果中的缺陷类别所在位置，其中所述YOLO网络中的两个残差网络模块替换为两个特征复用网络模块。本发明的一种双流神经网络模型的钢板表面缺陷分类方法，采用双流神经网络模型首先判断缺陷的类别，后将待检测图片导入YOLO网络预测缺陷位置；双流神经网络和YOLO网络配合提高了缺陷定位精度，提高了检测的效率。

权利要求书 (12项) 说明书附图

……

图1

图2

图3

法律状态时间线

20230804

✅ 授权

20200929

?? 实质审查的生效：

20200904

📄 公开

一种利用液态钢渣生产钢渣粉末的装置及方法

当前第 / 件

一种基于分类优先YOLO网络的钢板表面缺陷检测方法

同领域国内专利 · IPC: (G06T7_00)

G06T7_00 G06T7_10 G06T7_11 G06T7_12 G06T7_13 G06T7_136 G06T7_143 G06T7_149 G06T7_155 G06T7_168 G06T7_174 G06T7_181 G06T7_187 G06T7_194 G06T7_20 G06T7_207 G06T7_215 G06T7_223 G06T7_246 G06T7_254 G06T7_269 G06T7_277 G06T7_292 G06T7_30 G06T7_32 G06T7_33 G06T7_37 G06T7_38 G06T7_40 G06T7_41 G06T7_44 G06T7_45 G06T7_49 G06T7_50 G06T7_507 G06T7_514 G06T7_521 G06T7_55 G06T7_557 G06T7_564 G06T7_579 G06T7_593 G06T7_60 G06T7_62 G06T7_64 G06T7_66 G06T7_68 G06T7_70 G06T7_73 G06T7_77 G06T7_80 G06T7_90 覆盖52个领域

相似专利推荐 AI 驱动 · 同领域

暂无同领域相似专利推荐

议价

不含过户费

📋 交易方式： 委托待转让 📌 交易状态：在售 👁️ 浏览次数：74 ❤️ 收藏人数：93 📋 项目申报： 未申报

资金托管权属尽调包过户

🏢 淄博智来知识产权服务有限公司

✓ 企业认证✓ 手机绑定历史成交 0件好评率 98.5%

📊 出价记录 (3条)

王**¥-10万

李** 企业¥-8万

陈**¥-3万

查看全部出价

我要出价 (议价)