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！

龙图腾网恭喜哈尔滨工业大学申请的专利基于深度学习算法的表面缺陷检测方法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：CN115205275B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202210889914.2，技术领域涉及：G06T7/00；该发明授权基于深度学习算法的表面缺陷检测方法是由董航程;刘国栋;刘炳国;高卓;黄颖妍;廖敬骁设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本基于深度学习算法的表面缺陷检测方法在说明书摘要公布了：基于深度学习算法的表面缺陷检测方法，解决了现有采用深度学习算法进行表面缺陷检测时存在样本不均衡的问题，属于工业生产中检测技术领域。本发明包括：基于深度学习算法建立表面缺陷分类模型，利用初始训练样本集D1对表面缺陷分类模型进行训练；对D1中各类表面缺陷图像样本进行采样，获得均衡图像样本集D2，利用D2继续对表面缺陷分类模型进行训练，训练过程中，冻结表面缺陷分类模型中卷积层的参数，调整全连接层的参数，直至表面缺陷分类模型收敛；利用表面缺陷分类模型对待检测图像样本进行检测，计算弱监督定位信息；并进行阈值分割处理，利用二值化阈值，生成缺陷的位置掩膜，完成表面缺陷检测。

本发明授权基于深度学习算法的表面缺陷检测方法在权利要求书中公布了：1.基于深度学习算法的表面缺陷检测方法，其特征在于，所述方法包括：S1、基于深度学习算法建立表面缺陷分类模型，对表面缺陷分类模型进行训练；S2、对各类样本进行m次采样，获得m个均衡样本集，利用m个均衡样本集分别对S1的表面缺陷分类模型进行训练，获得m个表面缺陷分类模型，训练过程中，冻结表面缺陷分类模型中卷积层的参数，调整全连接层的参数，直至表面缺陷分类模型收敛；a1表示最多的一类样本的数量，αn表示最少的一类样本的数量；使用集成方法，统计m个表面缺陷分类模型的分类结果，输出最终的缺陷分类类别；S3、利用m个表面缺陷分类模型对待检测图像样本进行检测，确定缺陷分类类别，计算m个表面缺陷分类模型中召回率最高的表面缺陷分类模型的弱监督定位信息；S4、对S3计算的弱监督定位信息进行阈值分割处理，利用二值化阈值，生成缺陷的位置掩膜，完成表面缺陷检测；所述S2中，获得均衡样本集的方法包括：初始训练样本集D1，共有n类样本，每类样本数量为α1,α2,…αn，α1α2…αn，则对每一类样本，都随机抽取αm张子样本，形成均衡样本集D2，αm≤αn；S3中，使用全梯度方法计算表面缺陷分类模型的弱监督定位信息S： 其中，F表示表面缺陷分类模型，是第l层第c个通道的输出，是相应的偏置，L是卷积层的总层数，cl是第l层卷积核的通道数，x表示输入的待检测图像样本，⊙表示同或运算，函数φ·是指：φ·＝upsamplerescaleabs·abs·指绝对值函数，rescale·指归一化操作，将输入归一化到0-1之间，upsample·表示上采样操作，用于将输入插值到与x同一维度。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。