“基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法”等4项专利权拟转让，现将相关信息予以公示，公示期自2024年4月26日至2024年5月11日。

专利一：

一、成果名称：基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法（专利号：CN202110635854.7）

二、内容摘要：

本发明涉及图像识别技术领域，具体公开了一种基于目标检测网络的车载液晶屏导光板缺陷视觉检测方法，包括如下步骤：采集导光板图像；图像预处理；建立并训练一阶段目标检测网络，一阶段目标检测网络包括主干特征提取子网络、特征增强子网络、分类和回归子网络；缺陷检测：通过特征融合子网络的图像金字塔使用特征融合的方式获得四个有效的特征层，将这四个有效的特征层传输经过分类和回归子网络获得导光板缺陷的预测结果，并在上位机中显示预测结果。本发明解决了正负样本不平衡、微小缺陷检出率及检测效率等问题，同时完成对缺陷的定位任务与缺陷有无的分类，同时提供可视化的结果，达到并实现了工业应用。

专利二：

一、成果名称：一种基于超分辨率重建的模糊图像分类方法（专利号：CN202110713780.4）

二、内容摘要：

本发明公开了一种基于超分辨率重建的模糊图像分类方法，包括如下步骤：步骤1、在上位机中，对原始高分辨率图像指定类别标签，然后将原始高分辨率图像进行高斯平滑后再进行下采样，获得带有标签的低分辨率图像作为步骤2的输入；步骤2、构建融合模型，包括串联的超分辨率重建模型和分类模型，超分辨率重建模型包括串联的生成模型和鉴别模型；步骤3、分别建立超分辨率重建模型和分类模型的损失函数，利用训练集来训练步骤2建立的融合模型，利用测试集测试融合模型获得具有在线生产能力的融合模型。本发明的方法用以将超分辨率重建的模糊图像进行分类识别。

专利三：

一、成果名称：基于AYOLOv3-Tiny新框架的PAD导光板缺陷可视化检测方法（专利号：CN202110700667.2）

二、内容摘要：

本发明属于深度学习的图像识别领域，具体公开了一种基于AYOLOv3-Tiny新框架的PAD导光板缺陷可视化检测方法，包括在手机导光板生产线末端，采用高分辨率线扫相机采集获得导光板图像，然后截取成一组分辨率为416*416的小图像，输入上位机里的具有在线生成能力的PAD导光板缺陷检测模型中，输出获得带有缺陷标记及置信度的导光板图像，用以实现对导光板上的点、线、面缺陷的进行预测缺陷的位置以及类别。

专利四：

一、成果名称：基于人类视觉特性的微型磁瓦表面缺陷检测方法（专利号：CN202010022294.3）

二、内容摘要：

本发明提供一种基于人类视觉特性的微型磁瓦表面缺陷检测方法：包括以下步骤：(1)图像采集，得到图像Image；执行步骤2；(2)通过阈值分割从图像Image得到磁瓦图像Region；执行步骤3；(3)磁瓦图像Region屏蔽边缘区域，得到屏蔽后的图像；执行步骤4；(4)屏蔽后的图像结构张量计算；执行步骤5；(5)缺陷区域提取。本发明从人体视觉的本质出发，结合尺度变换与结构张量完成对磁瓦表面多种缺陷的检测。相比传统检测算法只能针对单一的缺陷，本系统检测算法不仅可以同时检测掉块、磕边和划痕的缺陷，而且还能适应光照在一定范围内变化的情形。此外，本发明检测方法能够满足企业生产的精度与速度需求，且能够稳定的运行，可以进行生产应用。

三、转化方式：专利权转让

四、拟交易价格：82400元人民币

五、价格确定方式：协议定价

如有问题，请于公示期内以书面形式反映给产业技术中心。

联系电话：86843059

产业技术中心、浙江理工大学（杭州）技术转移有限公司

2024年4月26日