CN120279228A 一种基于ccd相机的高精度多视角图像识别检测方法 （尼得科电机(韶关)有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120279228A(43)申请公布日2025.07.08

(21)申请号202510287963.2

(22)申请日2025.03.12

(71)申请人尼得科电机(韶关)有限公司

地址512500广东省韶关市始兴县黄花园

工业区内

(72)发明人赵斌王金平

(74)专利代理机构广东聚创智合知识产权代理有限公司44817

专利代理师胡拥军

(51)Int.CI.

GO6VGO6VGO6NGO6N

10/80(2022.01)

10/82(2022.01)3/0464(2023.01)

3/0895(2023.01)

GO6V10/10(2022.01)

GO6V10/26(2022.01)

GO6V10/30(2022.01)

GO6V10/44(2022.01)

GO6V10/764(2022.01)

权利要求书2页说明书11页附图1页

(54)发明名称

一种基于CCD相机的高精度多视角图像识别检测方法

(57)摘要

CN120279228A本发明提出一种基于CCD相机的高精度多视角图像识别检测方法，包括：通过CCD相机阵列拍摄的多视角图像集，采用卷积神经网络提取每个视角图像的噪声感知特征；采用自适应多视角语义分割网络进行语义分割；基于增强特征和关键特征构建成目标区域的最终特征表示；采用相似度计算来进行基于目标区域的最终特征表示的视角一致性匹配；基于最终的目标特征图，结合分类模块识别缺陷类型，输出不良品的类别及位置信息。本发明通过自监督学习方法实现多视角图像的噪声去除，同时结合自适应语义分割技术，对不同视角下的图像特征进行优化，从而实

CN120279228A

通过

通过CCD相机阵列拍摄的多视角图像集，采用卷积神经网络提取每个视角图像的噪声感知特征，基于每个视角图像的噪声感知特征通过加权平均融合成全局噪声估计值，并基于卷

积神经网络对全局噪声估计值进行去噪，得到经过去噪后的多视角图像集

对经过去噪后的多视角图像集，采用自适应多视角语义分割网

络进行语义分割，得到经过语义分割后的多视角图像集，其

中，多视角图像集中每个图像是其对应视角图像经过语义分割

后的结果，包含每个像素的语义标签信息：其中，所述自适应

多视角语义分割网络用于将经过去噪后的多视角图像的特征进

行联合建模，通过共享特征学习和视角特征加权的方式来实现

语义分割

根据每个像素的语义标签信息对目标区域特征进行自适应增强获取增强特征，并采用自注意力机制提取出目标区域的关键特

征，基于增强特征和关键特征构建成目标区域的最终特征表示

采用相似度计算来进行基于目标区域的最终特征表示的视角一

致性匹配，并基于目标区域的最终特征表示进行特征融合，基

于卷积操作和池化操作生成最终的目标特征图

基于最终的目标特征图，通过特征增强和边界框回归定位不良

品区域，结合分类模块识别缺陷类型，输出不良品的类别及位

置信息

S1

S4

S5

CN120279228A权利要求书1/2页

2

1.一种基于CCD相机的高精度多视角图像识别检测方法，其特征在于，所述方法包括：

通过CCD相机阵列拍摄的多视角图像集，采用卷积神经网络提取每个视角图像的噪声感知特征，基于每个视角图像的噪声感知特征通过加权平均融合成全局噪声估计值，并基于卷积神经网络对全局噪声估计值进行去噪，得到经过去噪后的多视角图像集；

对经过去噪后的多视角图像集，采用自适应多视角语义分割网络进行语义分割，得到经过语义分割后的多视角图像集，其中，多视角图像集中每个图像是其对应视角图像经过语义分割后的结果，包含每个像素的语义标签信息；其中，所述自适应多视角语义分割网络用于将经过去噪后的多视角图像的特征进行联合建模，通过共享特征学习和视角特征加权的方式来实现语义分割；

根据每个像素的语义标签信息对目标区域特征进行自适应增强获取增强特征，并采用自注意力机制提取出目标区域的关键特征，基于增强特征和关键特征构建成目标区域的最终特征表示；

采用相似度计算来进行基于目标区域的最终特征表示的视角一致性匹配，并基于目标区域的最终特征表示进行特征融合，基于卷积操作和池化操作生成最终的目标特征图；

基于最终的目标特征图，通过特征增强和边界框回归定位