買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜貴州財經大學申請的專利基于人工智能圖像處理的缺陷檢測系統、方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119579602B 。

龍圖騰網通過國家知識產權局官網在2025-04-18發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510138045.3，技術領域涉及：G06F17/00；該發明授權基于人工智能圖像處理的缺陷檢測系統、方法及裝置是由劉作志;袁泉設計研發完成，并于2025-02-08向國家知識產權局提交的專利申請。

本基于人工智能圖像處理的缺陷檢測系統、方法及裝置在說明書摘要公布了：本發明公開了基于人工智能圖像處理的缺陷檢測系統、方法及裝置，具體涉及圖像缺陷檢測領域，數據采集模塊用于從工業設備、傳感器以及攝像頭獲取圖像數據，并對圖像數據進行初步的格式化處理，本發明避免了冗余參數調試，縮短了模型收斂時間，提高訓練資源的利用效率，增強模型的泛化能力，提升模型在處理罕見場景時的表現；能夠在顯著減少計算資源消耗的同時保持高準確率，確保缺陷檢測系統在資源受限的設備中也能高效運行，實現適配不同硬件條件，擴展了系統的應用場景的需求，減少了因環境沖突導致的運行問題，增強了系統的安全性，避免了因外部惡意軟件攻擊或資源泄露而影響系統運行。

本發明授權基于人工智能圖像處理的缺陷檢測系統、方法及裝置在權利要求書中公布了：1.基于人工智能圖像處理的缺陷檢測系統，其特征在于，包括：數據采集模塊、數據預處理模塊、數據增強模塊、特征提取模塊、特征優化模塊、缺陷檢測模塊、模型部署模塊、標注定位模塊、報告生成模塊、自適應優化模塊、云端協作模塊以及用戶交互模塊；所述數據采集模塊用于從工業設備、傳感器以及攝像頭獲取圖像數據，并對圖像數據進行初步的格式化處理；所述數據預處理模塊用于自動識別和修復圖像中的損壞區域，確保輸入數據的質量；所述數據增強模塊用于優化數據增強參數，生成具有高多樣性和有效性的增強樣本；所述特征提取模塊用于提取圖像中的特征信息；所述特征優化模塊用于從提取的多種特征信息組合中選擇符合缺陷檢測需求的特征集；所述缺陷檢測模塊用于優化缺陷檢測模型，并通過該模型對輸入圖像進行分類和分割，識別并標注缺陷區域；所述模型部署模塊用于封裝缺陷檢測模型，進行跨平臺部署和運行，并通過資源調度機制動態調整計算資源；所述標注定位模塊用于對檢測出的缺陷進行標注和空間定位；所述報告生成模塊自動生成多種格式的檢測結果報告；所述自適應優化模塊用于實時監測系統運行狀態，動態優化系統的全流程配置；所述云端協作模塊用于檢測數據和模型的云端存儲與協作，并支持跨團隊的實時共享與分析；所述用戶交互模塊用于提供檢測結果展示界面，同時支持用戶手動調整參數、查看檢測結果和進行人工復核；所述數據增強模塊優化數據增強參數的具體步驟如下：S101：隨機初始化數據增強的參數集，參數集包括旋轉角度、縮放因子、剪切系數以及噪聲水平各項參數，基于樣本對深度學習模型訓練性能的提升情況，設置目標函數，其中代表目標函數值，表示增強樣本的綜合評價，代表增強樣本的多樣性指標，代表增強樣本的有效性指標，以及代表權重系數，用于調節多樣性和有效性的相對重要性；S102：設置初始溫度、終止溫度以及降溫速率，，并基于降溫策略進行降溫操作，其中代表第輪迭代次數的溫度，代表迭代次數，之后基于均勻分布以及高斯分布對當前參數集進行隨機擾動，并生成一個新的參數集；S103：計算新參數集的目標函數值，之后計算新參數集和當前參數集的目標函數值的變化量，若，則替換當前參數集為新參數集，否則，則通過計算接受較差解的概率，并基于該概率選擇接受新參數集；S104：每輪更新結束后，基于降溫策略更新當前溫度為下一輪溫度，重復進行隨機擾動以及新參數集選擇接受，直到達到終止溫度，迭代結束后，輸出最優參數集，并基于最優參數集中的各參數對預處理后的圖像數據進行數據增強，生成增強樣本集；所述特征優化模塊從提取的多種特征信息組合中選擇所需特征集的具體步驟如下：S201：創建初始根節點，表示特征提取模塊提取的所有候選特征的集合，初始化根節點的訪問次數和累積評估值，之后從根節點開始，通過隨機選擇特征信息逐步擴展到新的子節點，以構建搜索樹，其中每個子節點表示特征子集，邊表示從一個特征子集到擴展子集的選擇，并通過分類準確率定義目標函數，其中代表特征子集，且；S202：從根節點開始，通過上置信區間公式計算各子節點的UCB值，之后選擇UCB值由大到小排名第一的節點，逐層向下選擇下一個節點，直到到達尚未完全擴展的節點，在當前子節點上，隨機選擇一個尚未探索的特征組合作為新的子節點，并為初始化新的子節點訪問次數和累積評估值，其中，上置信區間公式具體計算公式如下： 式中，代表第個子節點的上置信邊界值；代表第個子節點的累積評估值；代表第個子節點的訪問次數；代表控制探索與利用的平衡系數；代表第個子節點的父節點的訪問次數；S203：從擴展的子節點開始，隨機選擇特征并構建特征子集，并使用機器學習模型對特征子集，進行訓練并評估性能，通過目標函數計算該子節點目標函數值，將模擬結果回溯到經過的所有節點，同時更新訪問次數和累積評估值；S204：重復上述步驟S202以及S203，以逐步擴展和優化搜索樹，直到達到預設最大迭代次數，之后從根節點中選擇訪問次數最多的子節點對應的特征子集作為最終的所需特征集。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人貴州財經大學，其通訊地址為：550025 貴州省貴陽市花溪區花燕路288號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。