買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江工業(yè)大學(xué)申請(qǐng)的專利一種無縫不銹鋼管內(nèi)壁缺陷檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120411117B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510922221.2，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種無縫不銹鋼管內(nèi)壁缺陷檢測方法是由王輝;王揚(yáng)渝;倪鵬程;姚磊;陳松權(quán);王義志設(shè)計(jì)研發(fā)完成，并于2025-07-04向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種無縫不銹鋼管內(nèi)壁缺陷檢測方法在說明書摘要公布了：本發(fā)明公開了一種無縫不銹鋼管內(nèi)壁缺陷檢測方法。本發(fā)明包括以下步驟：首先，對(duì)采集的無縫不銹鋼管內(nèi)表面圖像進(jìn)行邊緣約束的SLIC超像素聚類，獲得若干個(gè)超像素塊；接著，分別對(duì)每個(gè)超像素塊取像素均值后，獲得各超像素塊對(duì)應(yīng)的均值圖像塊以及均值像素點(diǎn)，由所有超像素塊的均值圖像塊組成超像素均值圖像；再對(duì)當(dāng)前無縫不銹鋼管內(nèi)表面圖像的所有像素點(diǎn)進(jìn)行聚類，獲得缺陷像素點(diǎn)聚類結(jié)果和背景像素點(diǎn)聚類結(jié)果；最后，利用基于圖割模型的方法對(duì)缺陷像素點(diǎn)聚類結(jié)果和背景像素點(diǎn)聚類結(jié)果中的像素點(diǎn)進(jìn)行迭代優(yōu)化，直至優(yōu)化完成，獲得缺陷像素點(diǎn)集和背景像素點(diǎn)集，完成缺陷的分割。本發(fā)明的方法無需過多的樣本數(shù)據(jù)，且具有較高的邊緣分割精度。

本發(fā)明授權(quán)一種無縫不銹鋼管內(nèi)壁缺陷檢測方法在權(quán)利要求書中公布了：1.一種無縫不銹鋼管內(nèi)壁缺陷檢測方法，其特征在于，包括以下步驟： 步驟1：首先，對(duì)采集的無縫不銹鋼管內(nèi)表面圖像進(jìn)行邊緣約束的SLIC超像素聚類，獲得若干個(gè)超像素塊；接著，分別對(duì)每個(gè)超像素塊取像素均值后，獲得各超像素塊對(duì)應(yīng)的均值圖像塊以及均值像素點(diǎn)，由所有超像素塊的均值圖像塊組成超像素均值圖像； 步驟2：根據(jù)各超像素塊以及其對(duì)應(yīng)的均值像素點(diǎn)，對(duì)當(dāng)前無縫不銹鋼管內(nèi)表面圖像的所有像素點(diǎn)進(jìn)行聚類，獲得缺陷像素點(diǎn)聚類結(jié)果和背景像素點(diǎn)聚類結(jié)果； 步驟3：結(jié)合超像素均值圖像，利用基于圖割模型的方法對(duì)缺陷像素點(diǎn)聚類結(jié)果和背景像素點(diǎn)聚類結(jié)果中的像素點(diǎn)進(jìn)行迭代優(yōu)化，直至優(yōu)化完成，獲得缺陷像素點(diǎn)集和背景像素點(diǎn)集，完成缺陷的分割； 所述步驟3具體為： 步驟3.1：根據(jù)超像素均值圖像生成鄰差圖； 步驟3.2：利用Canny邊緣檢測方法對(duì)無縫不銹鋼管內(nèi)表面圖像進(jìn)行邊緣檢測，獲得Canny邊緣圖；根據(jù)Canny邊緣圖，將鄰差圖中邊緣點(diǎn)的值記為0，從而獲得更新的鄰差圖； 步驟3.3：基于缺陷像素點(diǎn)聚類結(jié)果建立缺陷GMM模型以及基于背景像素點(diǎn)聚類結(jié)果建立背景GMM模型；然后，計(jì)算可能是缺陷和可能是背景的超像素點(diǎn)屬于缺陷GMM模型、背景GMM模型的概率密度值，進(jìn)而生成缺陷概率密度圖和背景概率密度圖； 步驟3.4：將由所有超像素塊的置信度組成的置信度圖作為權(quán)重并對(duì)缺陷概率密度圖和背景概率密度圖進(jìn)行重構(gòu)，獲得重構(gòu)后的缺陷概率密度圖和背景概率密度圖并作為最終的缺陷概率密度圖和背景概率密度圖； 步驟3.5：以無縫不銹鋼管內(nèi)表面圖像中的每個(gè)像素點(diǎn)為節(jié)點(diǎn)，將最終的缺陷概率密度圖作為節(jié)點(diǎn)與缺陷之間的終端權(quán)重以及將背景概率密度圖作為節(jié)點(diǎn)與背景的終端權(quán)重；以最終的鄰差圖構(gòu)建節(jié)點(diǎn)與節(jié)點(diǎn)之間的鄰域權(quán)重，從而獲得圖割模型； 步驟3.6：利用最小割算法對(duì)構(gòu)建的圖割模型進(jìn)行可能是缺陷和可能是背景的像素點(diǎn)的類型進(jìn)行優(yōu)化，獲得優(yōu)化后的缺陷像素點(diǎn)聚類結(jié)果和背景像素點(diǎn)聚類結(jié)果； 步驟3.7：重復(fù)步驟3.3-步驟3.6，對(duì)缺陷像素點(diǎn)聚類結(jié)果和背景像素點(diǎn)聚類結(jié)果進(jìn)行迭代優(yōu)化，直至優(yōu)化完成，獲得缺陷像素點(diǎn)集和背景像素點(diǎn)集。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310012 浙江省杭州市下城區(qū)潮王路18號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。