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！

龙图腾网获悉数字宁波科技有限公司申请的专利一种基于轻量级神经网络的表面缺陷检测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：CN119991662B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510461792.0，技术领域涉及：G06T7/00；该发明授权一种基于轻量级神经网络的表面缺陷检测方法是由李卓;李晓儿;卫学彬;修镜洋;夏晓瑜;邵枫;崔鑫设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本一种基于轻量级神经网络的表面缺陷检测方法在说明书摘要公布了：本发明公开了一种基于轻量级神经网络的表面缺陷检测方法，其构建一个包含表面缺陷图像训练集，并搭建一个神经网络，神经网络主要由特征提取模块、通道归一化模块、边缘生成模块、自识别模块、交叉注意融合模块、边缘嵌入模块、边缘细化模块构成，将训练集中的数张表面缺陷图像输入到神经网络中进行多轮网络训练，网络训练结束后得到神经网络训练模型；使用神经网络训练模型对测试图像对进行预测，预测得到测试图像对的显著性目标图像；能够有效地提高显著性目标检测的准确度且具有较少的计算复杂度。

本发明授权一种基于轻量级神经网络的表面缺陷检测方法在权利要求书中公布了：1.一种基于轻量级神经网络的表面缺陷检测方法，其特征在于，包括以下步骤：首先构建一个表面缺陷训练集，并搭建一个轻量级神经网络；其次将训练集中的数张表面缺陷图像在神经网络中进行多轮网络训练，网络训练结束后得到神经网络训练模型；再次使用神经网络训练模型对测试图像对进行预测，预测得到测试图像对的显著性目标图像，所述的轻量级神经网络由特征提取模块、通道归一化模块、边缘生成模块、自识别模块、交叉注意融合模块、边缘嵌入模块、边缘细化模块构成，其中： 所述特征提取模块，包括一个MobileNet-V2骨干网络和一个VAN块；MobileNet-V2骨干网络的第一层的输入端接收一幅大小为的表面缺陷图像，第一层输出的特征图记为，第二层输出的特征图记为，第三层输出的特征图记为，第四层输出的特征图记为，第五层输出的特征图记为，第六层为VAN块，第六层输出的特征图记为，MobileNet-V2骨干网络和VAN块组成的特征提取模块共有六层； 所述通道归一化模块，包括结构相同的六个通道归一化块；第1个通道归一化块接收，输出的特征图记为；第2个通道归一化块接收，输出的特征图记为；第3个通道归一化块接收，输出的特征图记为；第4个通道归一化块接收，输出的特征图记为；第5个通道归一化块接收，输出的特征图记为；第6个通道归一化块接收，输出的特征图记为； 所述边缘生成模块，包括结构相似的六个边缘生成块；第1个边缘生成块接收和，输出的特征图记为和；第2个边缘生成块接收、和，输出的特征图记为和；第3个边缘生成块接收、和，输出的特征图记为和；第4个边缘生成块接收、和，输出的特征图记为和；第5个边缘生成块接收、和，输出的特征图记为和；第6个边缘生成块接收，输出的特征图记为； 所述自识别模块，包括一个自识别块；该自识别块的输入端接收，输出的特征图记为； 所述交叉注意融合模块，包括四个结构相同的交叉注意融合块；第1个交叉注意融合块接收和，输出的特征图记为；第2个交叉注意融合块接收和，输出的特征图记为；第3个交叉注意融合块接收和，输出的特征图记为；第4个交叉注意融合块接收和，输出的特征图记为； 所述边缘嵌入模块，包括五个结构相同的边缘嵌入块；第1个边缘嵌入块接收、，和，输出的特征图记为；第2个边缘嵌入块接收、和，输出的特征图记为；第3个边缘嵌入块接收、和，输出的特征图记为；第4个边缘嵌入块接收、和，输出的特征图记为；第5个边缘嵌入块接收、和，输出的特征图记为； 所述边缘细化模块，包括一个边缘细化块；该边缘细化块的输入端接收，输出的特征图记为； 将得到的，，，通过基础卷积块和上采样操作得到粗显著性图和边缘粗显著性图，并将作为最终的显著性目标图像。

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数字宁波科技有限公司，其通讯地址为：315000 浙江省宁波市鄞州区邱隘镇中山东路2622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”。