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！

龙图腾网获悉北京科技大学申请的专利一种基于关键特征融合的皮带撕裂检测方法和系统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：CN118887183B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202410945217.3，技术领域涉及：G06T7/00；该发明授权一种基于关键特征融合的皮带撕裂检测方法和系统是由袁立;孔雨琪;温兆堃;刘丽;李江昀;张天翔;王宏;庄培显设计研发完成，并于2024-07-15向国家知识产权局提交的专利申请。

本一种基于关键特征融合的皮带撕裂检测方法和系统在说明书摘要公布了：本发明公开一种基于关键特征融合的皮带撕裂检测方法和系统，包括：采集皮带表面图像构建数据集；训练双流融合网络的共享特征层提取通用特征信息，输出融合特征图供双分支任务共享；轻量化目标检测分支通过双分支感知注意力机制，增强易漏检撕裂类别特征的感知敏感度，输出定位锚框及类别预测结果和对应置信度Cd；轻量化分割决策分支通过误检特征增强模块，精准区分干扰物与真实撕裂，输出目标真正为撕裂的预测结果和对应置信度Cs；将Cd和Cs输入置信度融合器，输出被检测目标最终分类，同时根据目标检测分支的定位结果标出最终检测锚框位置；使用训练完成的双流融合网络，对被检皮带表面图像进行撕裂检测。本发明可以对皮带撕裂进行精准检测。

本发明授权一种基于关键特征融合的皮带撕裂检测方法和系统在权利要求书中公布了：1.一种基于关键特征融合的皮带撕裂检测方法，其特征在于，所述方法包括：S1、收集并预处理多张皮带表面图像，对所述多张皮带表面图像分别进行目标检测任务与分割任务的标注，并划分训练集和验证集；S2、将训练集中的图像输入并训练双流融合网络的共享特征层，提取通用特征信息，并进行基于双向特征金字塔的特征融合，输出融合特征图像供后续的双分支任务共享；所述共享特征层，对所述皮带表面图像进行双分支任务通用的数据增强后，将部分图像通过9层卷积核大小为5×5的卷积层进行特征提取，每个卷积操作后均跟随一个批量归一化过程，将每个特征通道归一化为具有单位方差的零均值分布，再通过ReLU激活函数引入非线性变换，最终将每个层的分辨率均降低一半，获得不同尺度的通用特征信息；将另一部分图像经过3个会降低图像分辨率的最大池化层，减少空间维度降低模型计算量，同时提升模型的泛化能力，捕捉更高级别、更抽象的全局特征信息；再将不同尺度的通用特征信息与池化后的全局特征信息合并后，通过所述共享特征层中的双向特征金字塔结构，进行高效的双向跨尺度特征融合，不仅沿自顶向下的路径将高层级的抽象特征逐层上采样，使之与底层级特征尺度匹配并相互融合，同时引入自底向上的反馈机制，将底层包含丰富细节的特征逐步下采样并与高层特征交互，之后通过一个1x1卷积层输出与输入特征维度相同的融合特征图像；S3、将所述融合特征图像输入并训练双流融合网络的针对漏检问题的轻量化目标检测分支，通过双分支感知注意力机制，将全局特征与漏检类别关键特征紧密结合，针对性增强模型对小目标及小样本撕裂类别的特征信息感知敏感度，输出目标检测的定位检测锚框以及目标的类别预测结果，同时输出预测类别对应的置信度Cd；S4、将所述融合特征图像输入并训练双流融合网络的针对误检问题的轻量化分割决策分支，通过误检特征增强模块，针对性提高模型对干扰物纹理特征的识别能力，精准区分图像背景中的干扰物与真正撕裂区域，输出目标是否真正属于撕裂的预测结果及对应的置信度Cs；S5、将Cd和Cs输入并训练双流融合网络的置信度融合器，输出被检测目标的最终分类，同时根据所述轻量化目标检测分支的被检出目标的预测框位置，确定目标最终被标出的检测锚框位置；S6、使用训练完成的双流融合网络，对待检测皮带表面图像进行皮带撕裂检测。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；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”。