“缺陷类别”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果369559个，建议您升级VIP下载更多相关专利

[发明专利]训练缺陷分级检测模型的方法、装置、设备及存储介质-CN202110420016.8有效
发明人：高航;杜松 -专利权人：重庆创通联达智能技术有限公司
申请日： 2021-04-19 - 公布日： 2022-09-06 - 主分类号： G06N3/04 文献下载
摘要：本发明实施例提供了一种训练缺陷分级检测模型的方法、装置、设备及存储介质。该方法包括：获取样本图像；将样本图像输入预设的缺陷分级检测模型；利用缺陷分级检测模型中的分类分支网络和分级分支网络对样本图像进行缺陷分级检测，得到样本图像中缺陷的类别、位置和级别的预测值；利用缺陷分级检测模型中的聚类分支网络对样本图像进行处理得到样本图像中缺陷级别的伪标签，并将为标签作为样本图像中缺陷级别的真值；根据缺陷类别、位置、级别的预测值和真值训练预设的缺陷分级检测模型，得到目标缺陷分级检测模型。根据本发明实施例可以获得能够进行缺陷级别检测的模型，且训练过程中无需进行缺陷级别的标注。
训练缺陷分级检测模型方法装置设备存储介质

[发明专利]一种基于深度学习的锂电池隔膜缺陷机器视觉检测方法-CN202110150315.4在审
发明人：卢清华;甄志明;陈勇 -专利权人：佛山科学技术学院
申请日： 2021-02-03 - 公布日： 2021-06-11 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了一种基于深度学习的锂电池隔膜缺陷机器视觉检测方法，包括如下步骤：获取多张缺陷隔膜图像，并根据多张缺陷隔膜图像获取数据集；标注多张缺陷隔膜图像的缺陷范围与类别，并根据多种缺陷隔膜图像的缺陷范围与类别生成特征集；利用聚类算法加载特征集以获取先验框；构建Yolov4神经网络模型；利用数据集以及特征集训练Yolov4神经网络模型；利用训练好的Yolov4神经网络模型对锂电池隔膜进行缺陷检测。本发明可以提高对锂电池隔膜缺陷的识别检测以及定位效率，提高生产效率并节约成本。
一种基于深度学习锂电池隔膜缺陷机器视觉检测方法

[发明专利]基于终身学习的多类别纹理表面缺陷检测模型的构建方法-CN202211294135.4在审
发明人：尹周平;杨华;何大伟;陈建魁;朱钦淼 -专利权人：华中科技大学
申请日： 2022-10-21 - 公布日： 2023-01-03 - 主分类号： G06T7/00 文献下载
摘要：本发明属于图像处理领域，并公开了一种基于终身学习的多类别纹理表面缺陷检测模型的构建方法。整个模型以新提出的自适应卷积/反卷积模块为基础模块，具体地，自适应卷积/反卷积模块为每个类别设置独立的卷积核/反卷积核掩膜，用于分配权重衡量模型参数与当前训练类别的相关性，并通过卷积核/反卷积核掩膜设置参数剪枝和冷冻操作，参数剪枝保证了模型在后续类别训练时，仍然有足够多的参数可以用于新类别的训练，从而更好地拟合新任务；参数冷冻保证了模型在已训练类别上的知识记忆，允许相似类别的模型参数重叠，在旧任务测试时仍然具备较高的精度从而，使模型具备终身学习的能力，实现单个模型的多类别纹理表面缺陷检测。
基于终身学习类别纹理表面缺陷检测模型构建方法

[发明专利]一种图像识别分析方法、装置、电子设备及存储介质-CN202010577781.6有效
发明人：张发恩;秦树鑫 -专利权人：创新奇智（上海）科技有限公司
申请日： 2020-06-22 - 公布日： 2022-08-09 - 主分类号： G06V20/10 文献下载
摘要：本申请提供一种图像识别分析方法、装置、电子设备及存储介质，用于改善很难提高以肉眼观测的方式发现产品缺陷的效率的问题。，待识别图像为采集目标对象的图像；使用预先训练的特征提取网络模型提取多个待识别图像的图像特征，获得多个图像特征；使用预先训练的目标检测网络模型对多个图像特征进行识别，获得多个检测结果，检测结果包括目标类别，目标类别表征目标对象在生产过程中出现缺陷的具体类别；对多个检测结果对应的目标类别进行统计分析，获得报警信号，报警信号表征目标对象的类别为多个检测结果对应的目标类别时触发报警。
一种图像识别分析方法装置电子设备存储介质

[发明专利]晶圆良率监测方法-CN201410118221.9有效
发明人：蔡恩静 -专利权人：上海华力微电子有限公司
申请日： 2014-03-27 - 公布日： 2014-06-11 - 主分类号： H01L21/66 文献下载
摘要：本发明公开了一种良率监测方法，包括以下步骤：通过设计规则检查查找芯片版图中违反设计规则的图形结构；将所述违反设计规则的图形结构分为多个类别并根据各所述类别中违反设计规则的图形结构的数量选取其中至少一个类别；对选取的所述类别的图形结构评估其可造成的制程缺陷；针对评估的所述制程缺陷设计相应的监测结构；以及通过所述监测结构对芯片良率进行测试。
晶圆良率监测方法

[发明专利]一种应用程序的质量控制方法和装置-CN201711108207.0在审
发明人：高学文 -专利权人：北京奇虎科技有限公司
申请日： 2017-11-08 - 公布日： 2019-05-14 - 主分类号： G06F11/36 文献下载
摘要：其中方法包括：采集目标应用程序中存在的一个或多个缺陷；根据预设的缺陷分类规则，确定各缺陷所属的类别，将所有缺陷进行分类；从预设的缺陷对策集中选取与各分类对应的缺陷对策，将汇总的各缺陷对策反馈给目标应用程序的开发方该技术方案通过将缺陷分类，并为每个缺陷类别预设缺陷对策，可以针对每一次测试等方式获得的缺陷自动化地生成贴切的缺陷对策方案，帮助应用程序的开发人员明确在开发该应用程序中存在的问题及相应的解决办法，能够加快应用程序的开发进度
应用程序缺陷对策预设方法和装置缺陷分类质量控制开发目标应用程序采集目标缺陷类别分类自动化测试反馈进度帮助

[发明专利]模型获得方法及系统及装置及介质及产品缺陷检测方法-CN202111416528.3在审
发明人：不公告发明人 -专利权人：成都数之联科技有限公司
申请日： 2021-11-26 - 公布日： 2021-12-24 - 主分类号： G06F30/33 文献下载
摘要：本发明公开了模型获得方法及系统及装置及介质及产品缺陷检测方法，涉及智能检测领域，所述方法包括：收集产品缺陷图片数据获得第一数据，标注所述第一数据中的缺陷类别获得训练数据；构建第一产品缺陷检测模型，利用所述训练数据训练所述第一产品缺陷检测模型获得所述产品缺陷检测模型；产品缺陷检测模型能够基于细粒度图像分类方法优化产品中相似度较高的不同缺陷检测的精度，产品缺陷检测模型采用循环注意力卷积神经网络对产品中的缺陷特征进行学习，输出缺陷的类别与置信度；通过上述方法获得的模型能够对产品中相似度比较高的不同缺陷进行分类
模型获得方法系统装置介质产品缺陷检测

[发明专利]一种基于深度学习的敞车厢体缺陷识别方法-CN202210311390.9在审
发明人：桂荣孝;王紫媛;张榆平;彭刚;姚红祥 -专利权人：中车贵阳车辆有限公司
申请日： 2022-03-28 - 公布日： 2022-09-23 - 主分类号： G06V10/774 文献下载
摘要：本发明公开了一种基于深度学习的敞车厢体缺陷识别方法。首先采用分类标记对获取的敞车厢体图像进行缺陷标注；然后针对样本数量较少的缺陷类别进行数据扩增，并将样本数据集分成训练集、验证集、测试集；接着利用优化的目标识别模型对预先构建的缺陷数据集进行训练；最后利用训练好的缺陷识别模型对待识别的测试集样本进行缺陷识别，获得目标缺陷样本中的缺陷类别与位置。本发明采用分类标注的方法对缺陷图像进行标注，并根据样本的特点对目标识别模型进行优化，从而实现敞车厢体缺陷自动识别，具有较好的缺陷识别精度的速度，为敞车厢体缺陷识别提供新的思路，有助于推动敞车检修工作的智能化进展
一种基于深度学习敞车缺陷识别方法

[发明专利]显示面板的缺陷检测方法、装置、存储介质及电子设备-CN202110667226.7在审
发明人：李培鹏;刘阳兴 -专利权人：武汉TCL集团工业研究院有限公司
申请日： 2021-06-16 - 公布日： 2022-12-16 - 主分类号： G06T7/00 文献下载
摘要：本申请实施例提供了一种显示面板的缺陷检测方法、装置、存储介质及电子设备。本申请实施例中通过获取待检测显示面板的面板图像；根据面板图像，确定面板图像的缺陷区域；将缺陷区域对应的图像信息输入缺陷分类模型，得到缺陷区域的缺陷类别；其中，缺陷分类模型是基于有标签训练样本集和无标签训练样本集训练得到的，有标签训练样本集中的每一训练样本组包括一张第一缺陷样本图像以及第一缺陷样本图像的缺陷类别标签，无标签训练样本集中的每一训练样本包括一张第二缺陷样本图像。本申请实施例所提供的方法能够更准确地进行缺陷分类。
显示面板缺陷检测方法装置存储介质电子设备

[发明专利]基于深度特征的缺陷检测方法、系统、设备及存储介质-CN202310276002.2在审
发明人：请求不公布姓名 -专利权人：成都数之联科技股份有限公司
申请日： 2023-03-21 - 公布日： 2023-07-04 - 主分类号： G06T7/00 文献下载
摘要：本发明提供了基于深度特征的缺陷检测方法、系统、设备及存储介质，涉及缺陷检测技术领域，所述方法包括步骤为：将无缺陷的训练样本和不同类别缺陷的训练样本均输入预训练模型；基于无缺陷的训练样本和不同类别缺陷的训练样本，获取正常存储集和缺陷存储集；采用贪婪算法对缺陷存储集进行数据筛选，并且结合正常存储集形成特征存储体；基于特征存储体对检测样本进行最近邻分类计算，以获取缺陷识别结果以及缺陷分类结果。本发明通过有效结合有监督方式和无监督方式对缺陷进行检测，既解决了现有有监督方式需要结合检测结果对预训练模型进行反向微调问题，也解决了无监督方式无法对缺陷进行分类的问题。
基于深度特征缺陷检测方法系统设备存储介质

[发明专利]一种焊缝组合缺陷识别及分类方法-CN202311008666.7在审
发明人：陈航;张超;马兰;范瑞峰;崔健;刘谋斌;罗琳;王晨 -专利权人：北京大学
申请日： 2023-08-10 - 公布日： 2023-10-24 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种焊缝组合缺陷识别及分类方法，该方法中，控制模块控制焊缝缺陷分类模块根据先验目标区域图像对应的先验特征值和目标特征值，确定当前目标区域图像与具有至少两种缺陷的样本焊缝图像的先验目标区域图像的图像匹配评价指数，以及根据该图像匹配评价指数确定出对应焊缝缺陷类别，并生成表示目标工件的焊缝缺陷图像位置以及对应的焊缝缺陷类别，这有利于使得相关人员能够便捷地获悉目标工件的焊缝组合缺陷。本发明公开的焊缝组合缺陷识别及分类方法能够适用于待检测焊缝上具有至少两种缺陷的组合缺陷的应用场景。
一种焊缝组合缺陷识别分类方法

[发明专利]产品缺陷检测数据处理方法、装置、系统和设备-CN201910844469.6有效
发明人：沈小勇;张文杰;刘刚 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-09-06 - 公布日： 2021-07-02 - 主分类号： G01N21/88 文献下载
摘要：本申请涉及一种产品缺陷检测数据处理方法、装置、系统和设备，所述方法包括：接收产品缺陷检测模型生成请求，所述产品缺陷检测模型生成请求携带模型训练参数，所述模型训练参数根据用户的参数配置操作确定，所述模型训练参数包括缺陷学习类别或者训练图片信息中的至少一种；根据所述模型训练参数获取对应的训练图片以及获取所述训练图片对应的缺陷类别，得到训练样本；根据所述训练样本进行模型训练，生成目标缺陷检测模型，所述目标缺陷检测模型用于根据待测产品对应的待测图片对所述待测产品进行缺陷检测，得到所述待测产品的缺陷检测结果。上述方法得到的模型，产品缺陷检测效率高以及灵活性高。
产品缺陷检测数据处理方法装置系统设备

[发明专利]电感缺陷检测方法、设备及可读存储介质-CN202110261790.9在审
发明人：徐麟;张兵;陈林山;刘世盛;曹长根 -专利权人：深圳市固电电子有限公司
申请日： 2021-03-10 - 公布日： 2021-06-15 - 主分类号： G06K9/62 文献下载
摘要：本申请公开了一种电感缺陷检测方法、设备及可读存储介质，所述电感缺陷检测方法包括：获取待检测电感对应的待检测电感图像，并基于目标特征提取模型，对所述待检测电感图像进行特征提取，获得电感图像特征数据，其中，所述目标特征提取模型是基于预设第一图像类别集合和预设第二图像类别进行对比学习构建的；基于所述电感图像特征数据和预设电感缺陷检测模型，对所述待检测电感进行电感缺陷检测，获得电感缺陷检测结果。本申请解决了电感缺陷检测准确度低的技术问题。
电感缺陷检测方法设备可读存储介质

[发明专利]一种用于玻璃缺陷检测的检测网络-CN202211300522.4在审
发明人：李浩程;胡秋桂;王远扬;王宗辉;方正 -专利权人：苏州鼎纳自动化技术有限公司
申请日： 2022-10-24 - 公布日： 2023-01-03 - 主分类号： G06N3/049 文献下载
摘要：本发明公开了一种用于玻璃缺陷检测的检测网络，包括收集视频数据，并进行半监督标签，得到视频信息与标签信息；将视频信息与标签信息输入神经网络进行训练，得到训练后的网络；将待测视频输入训练后的网络，获得缺陷的边框信息及缺陷类别信息，将缺陷的边框信息及缺陷类别信息按照预定的方式进行输出显示，本申请采用双流网络，空间流注重图像特征，时间流注重变化特征，模拟人眼在变化光源和角度抓住轻微缺陷的变化信息辅助网络的训练，提升网络精度。
一种用于玻璃缺陷检测网络

[发明专利]一种基于卷积神经网络的隧道表面缺陷检测方法-CN202010423076.0在审
发明人：张沅;汪俊;冯一箪;李大伟;魏明强 -专利权人：南京航空航天大学
申请日： 2020-05-19 - 公布日： 2020-09-01 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的隧道表面缺陷检测方法，获取隧道图像数据；对获取的图像数据进行预处理，并将数据集划分为测试数据集以及训练和验证数据集；搭建全卷积缺陷检测网络，进行网络模型训练，将隧道表面图像输入到卷积神经网络，输出预测的类别与缺陷的区域。本发明可快速判断隧道表面图像是否有缺陷，并给出缺陷类别和缺陷所在的位置，完成对隧道表面图像中缺陷的自动分析，节省人力成本并排除人为主观因素的干扰，具有效率高，准确率高，实用性强的优点。
一种基于卷积神经网络隧道表面缺陷检测方法