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！

龙图腾网恭喜深圳市中钞科信金融科技有限公司申请的专利基于深度学习算法的钞票印刷质量检查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：CN114445365B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202210089577.9，技术领域涉及：G06T7/00；该发明授权基于深度学习算法的钞票印刷质量检查方法是由张绍兵;付茂栗;吴俊;张洋;王斌;夏小东;赵伟君;李腾蛟;祝文培;魏麟;王觅设计研发完成，并于2022-01-25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钞票印刷质量检查方法在说明书摘要公布了：一种基于深度学习算法的钞票印刷质量检查方法，包括：通过缺陷分割模块对图像中的缺陷进行分割，从而将缺陷从背景图像中检出，得到缺陷二值图b；将缺陷二值图b输入到基于blob分析的缺陷判废模块中进行连通域分析，提取每个连通域的特征，并根据设定的条件进行缺陷判废，从而判断是误废还是实废；将实废图像传入实废图像识别分类模块中进行缺陷类型的识别和分类。本发明通过分割网络模型，对印刷缺陷进行检出，结合blob分析技术将机检废品分为好品和废品，有效减少成像不稳定等因素造成的大量误报；利用分类网络模型对废品图像进行计废，自动将废品划分到作废工序和多种作废类型中，能够有效减少人员配置，提升生产质量，降低生产成本。

本发明授权基于深度学习算法的钞票印刷质量检查方法在权利要求书中公布了：1.一种基于深度学习算法的钞票印刷质量检查方法，其特征在于，包括：步骤1，通过缺陷分割模块对图像中的缺陷进行分割，从而将缺陷从背景图像中检出，得到缺陷二值图b；步骤2，将所述缺陷二值图b输入到基于blob分析的缺陷判废模块中进行连通域分析，提取每个连通域的特征，并根据设定的条件进行缺陷判废，从而判断是误废还是实废；所述基于blob分析的缺陷判废模块通过下述步骤进行连通域分析：步骤b1，分析缺陷blob块的相关信息：首先对b图进行连通域分析，提取每个连通域的相关信息以及blob块对应缺陷位置的相关信息，所述每个连通域的相关信息包括：面积、周长、质心；所述blob块对应缺陷位置的相关信息包括：能量、色彩分布、缺陷位置信息，综合上述两个相关信息中的特征形成一个n维特征向量，其中blob块是指缺陷二值图b中像素为1的连通域；步骤b2，根据现场情况和客户需求对特征向量中的数据进行条件设定：具体手段通过设定阈值来实现，上述过程可以针对特征向量中的每一个特征操作，最终将所有特征的条件综合起来进行判断，满足条件的即为实废，不满足条件的就判为误废；步骤3，将实废图像传入实废图像识别分类模块中进行缺陷类型的识别和分类，采用如下步骤：步骤c1，数据收集：通过传统的检测系统收集不同机台、不同产品线的缺陷样本数据集；步骤c2，数据清理和标注：对于收集到的数据，首先，需要剔除掉噪声数据，然后，对缺陷位置进行像素级的标注从而生成标签图像，并对每一张包含缺陷的样本进行增强变换处理以达到扩充样本数据集的目的，标注时需要将图像中的缺陷通过位置框标识出来，然后设定相应的类别，每张图像标注完成后生成一个对应的文本文件，距离本张图像中的缺陷位置和类别信息；步骤c3，构建分类网络模型并训练：用增强后的训练样本数据集训练已建立的深度学习模型，该模型包含卷积层和全连接层，可以用以下公式描述： ，其中，g表示建立的分类网络模型，x表示输入的带缺陷的图像，ω表示模型参数，c表示一个n维向量，其中： ，c1和c2分别表示计废类型总的类别数和缺陷类型总的类别数；训练的过程可以看作是一个求解最优化问题的迭代过程，可以用以下公式表示： ，其中，c[i]和c[j]表示c向量的元素，pos表示当前图像的真实标签集合，neg表示其他非真实标签集合；通过训练学习最优参数ω，以建立训练样本数据集中缺陷图像与工艺类别和缺陷类型之间的关系；步骤c4，模型部署和后处理：将步骤c3中训练好的最优模型参数部署在现场检测的服务器上，输入带缺陷的图像，输出一个n维向量，取前c1维中最大元素的索引为工艺计废标签，剩下c2维中最大元素的索引为缺陷类型标签。

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深圳市中钞科信金融科技有限公司，其通讯地址为：518038 广东省深圳市福田区彩田路西中银花园办公楼A栋9B；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”。