CN119715554B 基于机器视觉的电动三轮车车身喷涂缺陷检测方法及系统 （徐州天鹰车业有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN119715554B(45)授权公告日2025.07.04

(21)申请号202411891995.5

(22)申请日2024.12.20

(65)同一申请的已公布的文献号申请公布号CN119715554A

(43)申请公布日2025.03.28

(73)专利权人徐州天鹰车业有限公司

地址221700江苏省徐州市丰县经济开发

区北环路南、开元衡器西13号

(72)发明人贾强

(74)专利代理机构北京聚势成知识产权代理事务所(普通合伙)16130

专利代理师王艺

(51)Int.CI.

GO1N21/88(2006.01)

GO1N21/01(2006.01)

G06T7/00(2017.01)

GO6V10/25(2022.01)

GO6V10/764(2022.01)

G06T7/62(2017.01)

GO6V10/82(2022.01)

GO6N3/0464(2023.01)

(56)对比文件

CN118212209A,2024.06.18CN117670834A,2024.03.08审查员蒋超

权利要求书3页说明书13页附图1页

(54)发明名称

基于机器视觉的电动三轮车车身喷涂缺陷检测方法及系统

(57)摘要

CN119715554B本申请提供了基于机器视觉的电动三轮车车身喷涂缺陷检测方法及系统，涉及缺陷检测技术领域，包括：获取机器视觉感知模块；通过全景型镜头进行多角度图像采集；对多角度三轮车车身图像集进行预处理和全景拼接；对三轮车车身全景图像进行缺陷区域识别和锚框标记；采用微观型镜头对三轮车缺陷区域锚框集进行特征提取量化；按照喷涂缺陷指标集对三轮车缺陷特征量化信息进行统计评估分析，生成电动三轮车车身喷涂缺陷检测结果。通过本申请可以解决现有技术中由于难以精准定位细小缺陷，导致缺陷检测精确度不佳的技术问题，通过集成全景型镜头和微观型镜头，实现了对电动三轮车车身喷涂缺陷的全面检测，

CN119715554B

获取机器视觉感知模块，所述机器视觉感知模

获取机器视觉感知模块，所述机器视觉感知模块集成全景型镜头和微观型镜头

通过所述全景型镜头对目标电动三轮车进行多角度图像采集，获取多角度三轮车车身图像集

对所述多角度三轮车车身图像集进行预处理和全景拼接，获得三轮车车身全景图像

对所述三轮车车身全景图像进行缺陷区域识别和锚框标记，获得三轮车缺陷区域锚框集

采用所述微观型镜头对所述三轮车缺陷区域锚框集进行特征提取量化，得到三轮车缺陷特征量化信息

按照喷涂缺陷指标集对所述三轮车缺陷特征量化信息进行统计评估分析，生成电动三轮车车身喷涂缺陷检测结果

世婴

步骤三

步骤一

步骤四

步骤五

步骤六

CN119715554B权利要求书1/3页

2

1.基于机器视觉的电动三轮车车身喷涂缺陷检测方法，其特征在于，包括：

获取机器视觉感知模块，所述机器视觉感知模块集成全景型镜头和微观型镜头；

通过所述全景型镜头对目标电动三轮车进行多角度图像采集，获取多角度三轮车车身图像集；

对所述多角度三轮车车身图像集进行预处理和全景拼接，获得三轮车车身全景图像；

对所述三轮车车身全景图像进行缺陷区域识别和锚框标记，获得三轮车缺陷区域锚框集；

采用所述微观型镜头对所述三轮车缺陷区域锚框集进行特征提取量化，得到三轮车缺陷特征量化信息；

按照喷涂缺陷指标集对所述三轮车缺陷特征量化信息进行统计评估分析，生成电动三轮车车身喷涂缺陷检测结果；

所述获得三轮车缺陷区域锚框集，包括：

采集获取所述目标电动三轮车的标准喷涂图像信息，基于所述标准喷涂图像信息和所述三轮车车身全景图像搭建喷涂特征孪生网络，所述喷涂特征孪生网络包括标准孪生子网络和缺陷孪生子网络；

基于所述喷涂特征孪生网络对所述标准喷涂图像和所述三轮车车身全景图像进行特征提取，获得标准喷涂特征集和全局喷涂特征集；

引入特征损失函数对所述标准喷涂特征集和全局喷涂特征集进行损失分析，得到喷涂特征损失数据集；

基于所述喷涂特征损失数据集