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！

龙图腾网恭喜智物云享(南京)信息科技有限公司申请的专利基于图像处理的非接触式形变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：CN119251223B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202411766982.5，技术领域涉及：G06T7/00；该发明授权基于图像处理的非接触式形变检测方法是由周荣华;徐美玲;施烨辉;颜杜民;羊玢;谭晓晶设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于图像处理的非接触式形变检测方法在说明书摘要公布了：本发明公开了基于图像处理的非接触式形变检测方法，方法包括图像采集、图像预处理、图像分割、建立形变检测模型和非接触式形变检测。本发明属于形变检测技术领域，具体是指基于图像处理的非接触式形变检测方法，本方案通过设计自适应损失函数调整对不同类别的惩罚，动态更新自适应参数，提高了分割模型在不同类别上的表现，使得模型在处理多样化形变区域时更加灵活，进而提高后续形变检测结果的准确性；通过将数据矩阵分解为低秩矩阵和稀疏矩阵，有效区分正常形变模式和异常形变区域；构建目标函数时，引入历史一致性项，有助于保持形变模式的连贯性，确保检测稳定性，进而使得形变检测模型的灵活性，保证形变检测结果具有更高的精度。

本发明授权基于图像处理的非接触式形变检测方法在权利要求书中公布了：1.基于图像处理的非接触式形变检测方法，其特征在于：该方法包括以下步骤：步骤S1：图像采集，采集历史机床形变图像集；步骤S2：图像预处理；步骤S3：图像分割，通过设计自适应损失函数调整对不同类别的惩罚，并动态更新自适应参数；通过反复迭代和更新参数实现图像分割；步骤S4：建立形变检测模型，将数据矩阵分解为低秩矩阵和稀疏矩阵，引入历史一致性项构建目标函数，进而实现形变检测模型的建立；步骤S5：非接触式形变检测，基于建立完成的形变检测模型实现对待检测图像的非接触式形变检测；在步骤S3中包括步骤S32：定义自适应损失函数；所用公式如下： ；式中，aeloss是自适应损失函数；C是图像分割任务中的类别总数，i1是类别索引；是第i1类别预测向量和实际标签向量之间的角度；ki1是每个类别的调节因子；在步骤S4中，所述建立形变检测模型具体包括以下步骤：步骤S41：图像转换；将形变图像集中的图像转换为矩阵形式，形成数据矩阵，其中每一列代表一个图像；步骤S42：矩阵分解；将数据矩阵分解为低秩矩阵和稀疏矩阵，低秩矩阵代表正常的形变模式，稀疏矩阵对应异常的形变区域；将矩阵分解表示为优化问题：；使用增广拉格朗日乘子法求解，分离出正常和异常形变模式；其中，L是低秩矩阵；S是稀疏矩阵；rank·是矩阵的秩；是控制低秩项和稀疏项之间权衡的正则化参数；是矩阵的L1范数；步骤S43：构建目标函数；评估每个图像与预定义的形变模式之间的匹配程度，形变模式即每个形变评估等级对应的模版；为每个图像构建目标函数，用于评估该图像与形变模式的匹配程度；所用公式如下： ；式中，是第n个图像对应的最优形变模式矩阵即最匹配的形变模式；是在第n个图像下第i个模式第j个特征值；Imagen是当前进行形变检测的图像；是第i个形变模式第j个位置的特征值；m是形变模式总数，n1是特征值总数；α是正则化参数；H·是历史一致性项，具体为Hamming距离；和分别是第t次和第t-1次的最优形变模式矩阵；步骤S44：模型训练；基于训练集随机生成N1组初始形变模式和对应的特征值，使用目标函数评估当前形变模式的性能，选择最优的一组作为精英组，基于精英组统计形变模式的特征，更新形变模式对应特征值，生成下一轮的形变模式；当达到最大迭代次数或目标函数收敛时，形变检测模型训练完成；步骤S45：模型判定；预先设有形变正确率阈值，当形变检测模型对测试集的预测正确率高于形变正确率阈值时，形变检测模型建立完成；否则调整参数并重新划分数据集训练形变检测模型。

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智物云享(南京)信息科技有限公司，其通讯地址为：210000 江苏省南京市江北新区星火路9号软件大厦A座502室；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”。