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！

龙图腾网获悉深圳宏友金科技有限公司申请的专利基于深度学习的微钻刃面的高精度图像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：CN121010811B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202511097726.6，技术领域涉及：G06V10/764；该发明授权基于深度学习的微钻刃面的高精度图像检测方法是由李敏华;李钢琴设计研发完成，并于2025-08-06向国家知识产权局提交的专利申请。

本基于深度学习的微钻刃面的高精度图像检测方法在说明书摘要公布了：本发明公开了基于深度学习的微钻刃面的高精度图像检测方法，包括如下步骤：S1、采集微钻刃面的可见光图像与结构光图像，并完成图像预处理；S2、对图像进行空间对齐，执行跨模态融合，生成特征融合张量；S3、将特征融合张量输入多尺度残差主干网络，提取分层语义特征集合；S4、将语义特征集合输入缺陷检测、区域分割与类型分类三任务分支，输出对应预测结果；S5、计算多任务损失函数，动态调整任务分支权重，优化特征共享结构；S6、根据预测结果生成检测报告，输出缺陷坐标、边界轮廓、类型标签与置信度值。本发明实现了微钻刃面多模态融合、高精度识别与结构化输出，显著提升了缺陷检测的准确性、效率与自动化水平。

本发明授权基于深度学习的微钻刃面的高精度图像检测方法在权利要求书中公布了：1.基于深度学习的微钻刃面的高精度图像检测方法，其特征在于，包括如下步骤： S1、采集微钻刃面的可见光图像和结构光图像，并进行预处理； S2、对预处理后的可见光图像和结构光图像进行空间对齐，执行基于通道特征匹配的跨模态融合操作，将对应像素区域的信息进行通道级对齐，得到特征融合张量； S3、将特征融合张量输入至主干神经网络中，所述主干神经网络采用多尺度残差结构对融合图像特征张量进行特征提取，输出分层语义特征集合； S4、将分层语义特征集合输入至三个任务分支网络，分别用于执行刃面缺陷检测、刃面区域分割与缺陷类型分类，每个任务分支网络提取特征子集并输出对应的预测结果； S5、根据特征子集联合计算多任务损失函数，调整各任务分支网络的权重参数，优化主干神经网络与各任务分支网络之间的特征共享结构； S6、根据预测结果生成微钻刃面的检测报告，标注缺陷位置坐标、区域边界轮廓、缺陷类型标签及对应置信度值。

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宏友金科技有限公司，其通讯地址为：518000 广东省深圳市宝安区沙井街道坣岗社区立岗北路10号B区H馆B14-11层；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”。

以上内容由龙图腾AI智能生成。