“一种大尺寸导光板缺陷视觉检测方法”等5项专利权拟转让，现将相关信息予以公示，公示期自2025年4月8日至2025年4月23日。
成果一：
一、成果名称：一种大尺寸导光板缺陷视觉检测方法（CN202111298414.3）
二、内容摘要：
本发明公开了一种大尺寸导光板缺陷视觉检测方法，包括在导光板生产线末端采用高分辨率线扫相机采集图像，然后将获得导光板图像输入到上位机中截取成一组分辨率为416×416的小图像，并输入到大尺寸导光板缺陷检测模型，获得带有缺陷标记及置信度得分的导光板图像；所述大尺寸导光板缺陷检测模型包括依次连接的主干网络、特征金字塔、改进的RFB模块和三个预测头Y1、Y2和Y3。采用本发明的方法，可以同时预测缺陷的种类和位置，解决了以往只能进行是否有缺陷的分类问题，实验结果表明对比现有的YOLOv3算法，对大尺寸导光板缺陷的检测精度更高。
三、转化方式：专利权转让
四、拟交易价格：2万元人民币
五、价格确定方式：协议定价
成果二：
一、成果名称：基于改进的YOLOv3网络的垃圾分类收运监管方法（CN202210616166.0）
二、内容摘要：
本发明公开了一种基于改进的YOLOv3网络的垃圾分类收运监管方法，包括采集垃圾收运作业中的视频并上传至上位机，将视频文件转换成图像序列，并将所有图像缩放同一尺寸依次输入垃圾分类收运监督网络进行检测，然后在上位机中输出带有垃圾桶位置标记框、垃圾桶状态及状态的概率的图片；垃圾分类收运监督网络为将YOLOv3网络中所有标准3×3卷积替换为深度可分离卷积，并在主干网络上三个尺度的输出端分别加入一个三重注意力模块。本发明使用深度可分离卷积降低了网络的参数量与计算量，提高了模型的检测速度，引入Triplet Attention解决了YOLOv3网络判断位置精确性差，对较为密集的目标检测表现不佳的问题。
三、转化方式：专利权转让
四、拟交易价格：2万元人民币
五、价格确定方式：协议定价
成果三：
一、成果名称：一种融合双深度学习网络的无参考视频质量评价方法（CN202210352131.0）
二、内容摘要：
本发明公开了一种融合双深度学习网络的无参考视频质量评价方法，将视频内每一帧的视频图像输入至无参考视频质量评价网络，首先通过双深度学习网络提取获得视频图像的深度特征，经过ANN网络进行特征降维处理后输入双向门控循环网络，通过双向门控循环网络构建视频帧特征之间的联系获取视频帧质量分数，然后视频帧质量分数经过改进的时间记忆模型获得视频质量分数预测分量，同时视频帧质量分数经过高斯分布回归预测模型获得视频质量分数预测分量，再经过调节因子进行优化调节获得最终的视频质量分数。使用本发明可以方便地对视频图像质量给出快速的预测评价分数。
三、转化方式：专利权转让
四、拟交易价格：2万元人民币
五、价格确定方式：协议定价
成果四：
一、成果名称：基于改进YOLOv5的热压导光板缺陷可视化检测方法（CN202210559232.5）
二、内容摘要：
本发明公开了一种基于改进YOLOv5的热压导光板缺陷可视化检测方法，采集热压导光板的图片，并发送至上位机进行预处理，预处理包括利用边缘检测算法获取感兴趣区域，然后使用滑动窗口的分割方法将感兴趣区域分割成一组416×416大小的图片，将获得的所有416×416的图片依次输入导光板缺陷检测模型进行目标检测和分类，输出带有缺陷类型、置信度和缺陷位置标记的图片；本发明不仅能准确检测出缺陷类别，而且实现了对缺陷区域的精准定位，提高了导光板上白点小目标以及暗线缺陷的检测效果。
三、转化方式：专利权转让
四、拟交易价格：2万元人民币
五、价格确定方式：协议定价
成果五：
一、成果名称：磁瓦表面微缺陷视觉检测方法（CN201810095999.0）
二、内容摘要：
本发明提供一种磁瓦表面微缺陷视觉检测方法，读取磁瓦图像，检测磁瓦图像缺陷，获取磁瓦图像的缺陷区域K，判断缺陷区域K的面积是否大于设定值1；检测磁瓦图像缺陷，获取磁瓦图像的第二类缺陷效果图，判断第二类缺陷效果图的长度是否大于设定值2；检测磁瓦图像缺陷，获取磁瓦图像的边缘检测图像Q'连通域像素的圆度，判断边缘检测图像Q'连通域像素的圆度是否大于设定值3，三个判断过程可以判断磁瓦是否属于三种类型的缺陷，本发明磁瓦表面微缺陷视觉检测方法对光照变化、磁瓦类型变化适应性强；能对磁瓦的各种不同类型的缺陷都进行检测；本发明获得的磁瓦的缺陷图像比采用传统方法获得的磁瓦的缺陷图像更为清晰准确。
三、转化方式：专利权转让
四、拟交易价格：2万元人民币
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：86843852
产业技术中心、浙江理工大学（杭州）技术转移有限公司
2025年4月8日
今天是：
搜索