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！

龙图腾网恭喜淮南师范学院申请的专利基于机器视觉和深度学习的药瓶缺陷检测方法及系统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：CN119580005B 。

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：202411765322.5，技术领域涉及：G06V10/764；该发明授权基于机器视觉和深度学习的药瓶缺陷检测方法及系统是由胡艳丽;刘团结;张力雯;朱奇威;杨芳;曾祥理;刘梦祥;周其瑞;汤厚翔;胡光辉;陈良宇设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于机器视觉和深度学习的药瓶缺陷检测方法及系统在说明书摘要公布了：本发明公开了基于机器视觉和深度学习的药瓶缺陷检测方法及系统，属于缺陷检测技术领域，解决了现有方法孪生缺陷分类网络对外观图像信息中反光引起的高光区域较为敏感，干扰孪生缺陷分类网络缺陷检测准确性的问题，方法包括：基于深度学习结合YOLOV5模型构建缺陷检测模型，缺陷检测模型结合药瓶仿真模型对时序性图像集进行联合分析检测，缺陷检测模型对时序性图像集进行缺陷识别，定位药瓶缺陷区域，通过短接结合随机向量机方式完成药瓶缺陷区域缺陷类型分类和标注；本发明中缺陷检测模型引入均值滤波器能够在药瓶反光条件下对机器视觉下采集的图像进行背景滤除，从而有效的保留小尺寸目标图像的有效信息，保证了缺陷分类识别精准度。

本发明授权基于机器视觉和深度学习的药瓶缺陷检测方法及系统在权利要求书中公布了：1.基于机器视觉和深度学习的药瓶缺陷检测方法，其特征在于，所述基于机器视觉和深度学习的药瓶缺陷检测方法包括：获取标准药瓶参数，基于标准药瓶参数构建药瓶仿真模型，并将药瓶仿真模型、标准药瓶参数上传至标准数据库；基于深度学习结合YOLOV5模型构建缺陷检测模型，获取缺陷数据集，将缺陷数据集分为训练集和测试集，通过训练集和测试集对缺陷检测模型迭代训练，输出收敛的缺陷检测模型；实时采集至少一组基于机器视觉的药瓶图像，获得时序性图像集，以时序性图像集为输入，执行所述缺陷检测模型，缺陷检测模型结合药瓶仿真模型对时序性图像集进行联合分析检测，判断时序性图像集关联的药瓶是否存在缺陷；若时序性图像集关联的药瓶存在缺陷，缺陷检测模型对时序性图像集进行缺陷识别，定位药瓶缺陷区域，通过短接结合随机向量机方式完成药瓶缺陷区域缺陷类型分类和标注；其中，所述缺陷检测模型结合药瓶仿真模型对时序性图像集进行联合分析检测方法，具体包括：加载时序性图像集，时序性图像集输入均值滤波器中，均值滤波器对时序性图像集滤波并背景降噪处理，获得背景降噪集；加载背景降噪集，均值滤波器对背景降噪集泊松化处理，分析背景降噪集基于机器视觉下的环境光噪声值，输出增强处理集；编码器对光强处理集集重新编码处理，轻量化检测结构SPPCSPC模块结合药瓶仿真模型判断时序性图像集关联的药瓶是否存在缺陷；其中，缺陷检测模型对时序性图像集进行缺陷识别的方法，具体包括：获取增强处理集，Backbone块对增强处理集卷积融合处理，并将卷积融合处理后的结果传送至池化层，池化层对卷积融合处理后的结果池化处理；通道自关联特征金字塔网络对增强处理集中药瓶缺陷区域进行亚像素边缘提取，采用最小外接矩形粗定药瓶缺陷区域，对药瓶缺陷区域特征提取，输出缺陷特征图；动态K值K-Means++检测头通过短接结合随机向量机方式完成药瓶缺陷区域缺陷类型分类和标注。

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淮南师范学院，其通讯地址为：232038 安徽省淮南市洞山西路；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”。