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！

龙图腾网获悉合肥工业大学申请的专利一种汽车保险丝盒装配检测的Clip与传统图像处理融合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：CN120259265B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202510406250.3，技术领域涉及：G06T7/00；该发明授权一种汽车保险丝盒装配检测的Clip与传统图像处理融合方法是由王熙韬;陈田;王一雄设计研发完成，并于2025-04-02向国家知识产权局提交的专利申请。

本一种汽车保险丝盒装配检测的Clip与传统图像处理融合方法在说明书摘要公布了：本发明公开了一种汽车保险丝盒装配检测的Clip与传统图像处理融合方法，涉及图像处理技术领域，包括如下步骤：步骤1，采集保险丝盒图像，从图像中裁剪出m类保险丝，每类n张图像，然后进行图像尺度归一化操作。步骤2，CLIP模型迁移训练。步骤3，制定检测规则。步骤4，裁剪出检测的目标和对应标准图像。步骤5，CLIP迁移模型判断裁剪出的图像所属类型。步骤6，直方图相似度判断裁剪出的图像所属类型。步骤7，余弦相似性判断裁剪出检测图像所属类型。本发明实现了深度学习方法和传统图像处理方法结合，兼具这两种方法的优点，很好解决了光线不好、褪色、掉色、污迹等带来识别差的问题，实现了更好的性能，更强的鲁棒性。

本发明授权一种汽车保险丝盒装配检测的Clip与传统图像处理融合方法在权利要求书中公布了：1.一种汽车保险丝盒装配检测的Clip与传统图像处理融合方法，其特征在于，包括如下步骤： 步骤1，采集保险丝盒图像，从图像中裁剪出m类保险丝，每类n张图像，然后进行图像尺度归一化操作； 步骤2，CLIP模型迁移训练：加载预训练的CLIP模型，采用对比损失损失函数，选择优化器Adam并设置学习率为1e-6，在裁剪出保险丝图像数据集上，将图像和对应的保险丝标签文本输入到CLIP模型中，计算模型输出的图像和文本特征之间的相似度，并通过对比损失函数优化模型参数，直到模型在训练集上收敛，确定相应的网络模型； 步骤3，制定检测规则：以安装正确的保险丝盒图像为基准，标注出所有保险丝的位置，然后给出每个位置的保险丝图像类别标签； 步骤4，裁剪出检测图像和对应标准图像：对生产线上装配的保险丝盒拍照，根据基准图像中标注的位置，分别从照片中裁剪出每一个位置的检测图像，并从基准图像中裁剪出相同位置的标准图像； 步骤5，CLIP迁移模型判断裁剪出的图像所属类型：将裁剪出的检测图像输入到CLIP迁移模型的图像编码器中，得到图像嵌入向量，同时将保险丝类型文本标签输入到迁移CLIP模型的文本编码器中，得到文本嵌入向量；计算检测图像嵌入向量与各个类型文本标签嵌入向量之间的余弦相似度，将检测图像分类到余弦相似度最高的类型文本标签；当最高的余弦相似度大于某个阈值时，如果余弦相似度最高的类型文本标签与基准图像相同位置的保险丝类型一致，则正确安装，否则，错误安装同时给出错误提示；当最高的余弦相似度小于某个阈值，转步骤6； 步骤6，直方图相似度判断裁剪出的图像所属类型：先将裁剪出的图像分成左右两半部图像，同时将基准图像对应的图像分成左右两半部图像；计算裁剪出的图像左半部图像与基准图像对应的图像分成左半部图像的直方图相似度，同时计算裁剪出的图像右半部图像与基准图像对应的图像分成右半部图像的直方图相似度；当左半部直方图相似度和右半部直方图相似度不能同时大于某个阈值，类型与基准图像相同位置的保险丝类型不一致，错误安装同时给出错误提示；否则，转步骤7； 步骤7，余弦相似性判断裁剪出检测图像所属类型：使用resnet18并移除最后的全连接层，分别获取裁剪出来检测图像、对应位置的标准图像及翻转180度的标准图像的特征向量；计算裁剪出来检测图像与对应位置的标准图像的特征向量的余弦相似性，同时计算裁剪出来的检测图像与对应位置的标准图像翻转180度的特征向量余弦相似性；如果与标准图像特征向量的余弦相似性大于与翻转180度的标准图像翻转180度的特征向量余弦相似性，则与基准图像相同位置的保险丝的类型一致，则正确安装；如果与标准图像特征向量余弦相似性小于标准图像翻转180度的特征向量余弦相似性，则与基准图像相同位置的保险丝类型不一致，错误安装同时给出错误提示。

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合肥工业大学，其通讯地址为：230601 安徽省合肥市蜀山区丹霞路485号合肥工业大学翡翠湖校区；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。