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！

龙图腾网获悉广东工业大学申请的专利一种基于深度学习的轻量级竹片缺陷检测方法及装置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：CN119850590B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202510030100.7，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的轻量级竹片缺陷检测方法及装置是由戴志飞;王晗;史卓豪;刘锋斌设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种基于深度学习的轻量级竹片缺陷检测方法及装置在说明书摘要公布了：本发明涉及一种基于深度学习的轻量级竹片缺陷检测方法及装置，包括以下：获取生产线上当前区域的竹片表面原始图像；对所述竹片表面原始图像进行图像预处理得到处理后图像；将处理后图像输入预训练的缺陷检测模型进行实时检测预测缺陷概率，得到预测结果；通过上位机显示预测结果，即当前区域存在缺陷的概率、类型以及位置。本发明在基础模型上替换特征提取网络，基于分组和多尺度卷积提出LMC，基于共享卷积思想提出SCHead检测头。最后利用通道剪枝进一步压缩模型大小并提高FPS。能够解决竹片纹理与裂纹缺陷相似与导致的检测精度较低以及深度学习模型难以在边缘设备上部署的问题。

本发明授权一种基于深度学习的轻量级竹片缺陷检测方法及装置在权利要求书中公布了：1.一种基于深度学习的轻量级竹片缺陷检测方法，其特征在于，包括以下： 获取生产线上当前区域的竹片表面原始图像； 对所述竹片表面原始图像进行图像预处理得到处理后图像； 将处理后图像输入预训练的缺陷检测模型进行实时检测预测缺陷概率，得到预测结果； 通过上位机显示预测结果，即当前区域存在缺陷的概率、类型以及位置； 其中预训练的缺陷检测模型通过在YOLOv8基础模型上替换特征提取网络，基于分组和多尺度卷积提出LMC，基于共享卷积思想提出SCHead检测头得到； 具体的，构建缺陷检测模型，包括，第一步，在YOLOv8原始模型的主干网络中，使用StarNet作为特征提取网络； 第二步，将YOLOv8原始模型中颈部网络12、18和21层的C2f模块的3×3常规卷积替换为分组多尺度卷积，得到增强特征提取模块LMC，LMC的表达式表示为，其中，表示输出特征映射中的位置；是输入张量的第c个通道，表示卷积核对应输入通道c和输出通道i的权重， 是卷积操作中的偏置项，m为输入特征的通道数； 分组卷积的输出特征映射的表达式如下： ；其中指的是在网络中使用的不同尺度的卷积操作的数量，是输入的张量，,,…表示分组卷积的多个卷积核, ,,…表示每个分组的偏置项； 多尺度卷积的输出特征映射的表达式如下： ； 其中是第i种尺度的卷积核； 第三步，使用基于组内归一化GroupNormlization和共享卷积的轻量化检测头SCHead替换原有的检测头，共享卷积输出特征映射的表达式如下： 为卷积核的高度，为卷积核的宽度，是输入特征图中第c个通道的值，为卷积核在输入图像上滑动的空间坐标，是共享卷积核中的权重值，是卷积操作中的偏置项。

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广东工业大学，其通讯地址为：510000 广东省广州市越秀区东风东路729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”。

以上内容由龙图腾AI智能生成。