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！

龙图腾网获悉华东交通大学申请的专利一种钢材缺陷检测模型训练和应用方法、设备及介质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：CN120279011B 。

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：202510756595.1，技术领域涉及：G06T7/00；该发明授权一种钢材缺陷检测模型训练和应用方法、设备及介质是由王长征;付聪;周会祥设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本一种钢材缺陷检测模型训练和应用方法、设备及介质在说明书摘要公布了：本申请公开了一种钢材缺陷检测模型训练和应用方法、设备及介质，涉及图像识别技术领域，该方法包括：获取数据集；以数据集中的样本钢材表面图像为输入，以样本钢材表面图像对应的缺陷类别为标签，对钢材缺陷检测模型进行训练，得到训练好的钢材缺陷检测模型；钢材缺陷检测模型为改进的YOLOv8模型；改进的YOLOv8模型，将YOLOv8模型中特征提取主干网络的第二个到第四个卷积模块替换为残差卷积模块，将YOLOv8模型中特征提取主干网络的第一个卷积模块和第五个卷积模块替换为深度可分离卷积模块；残差卷积模块为引入残差结构的卷积模块，可提高钢材缺陷检测速度。

本发明授权一种钢材缺陷检测模型训练和应用方法、设备及介质在权利要求书中公布了：1.一种钢材缺陷检测模型训练方法，其特征在于，所述钢材缺陷检测模型训练方法包括： 获取数据集；所述数据集包括若干样本钢材表面图像以及每一所述样本钢材表面图像对应的缺陷类别； 以所述样本钢材表面图像为输入，以所述样本钢材表面图像对应的缺陷类别为标签，对钢材缺陷检测模型进行训练，得到训练好的钢材缺陷检测模型；所述钢材缺陷检测模型为改进的YOLOv8模型；所述改进的YOLOv8模型，将YOLOv8模型中特征提取主干网络的第二个到第四个卷积模块替换为残差卷积模块，将YOLOv8模型中特征提取主干网络的第一个卷积模块和第五个卷积模块替换为深度可分离卷积模块，在YOLOv8模型的Neck网络部分的最后一个C2f模块后添加一个融合卷积模块，在检测头模块添加一个微小缺陷预测层；所述融合卷积模块包括Conv模块和C2f模块，Conv模块，用于将YOLOv8模型的Neck网络部分的最后一个C2f模块的输出进行上采样，得到浅层特征；所述浅层特征和特征提取主干网络的第一个C2f模块的输出沿通道维度拼接，获得融合特征图；融合卷积模块中的C2f模块，用于对所述融合特征图进行跨尺度特征交互，得到优化后的融合特征图，所述优化后的融合特征图为微小缺陷预测层的输入，将动态蛇形卷积引入检测C2f模块中Bottleneck结构；检测C2f模块为与检测头连接的C2f模块；所述残差卷积模块为引入残差结构的卷积模块；所述检测C2f模块包括： 首先对输入图像通道降维：采用1×1卷积将输入通道数压缩至64维，以降低计算量： ； 式中：为中间输出结果，代表用于通道数压缩的卷积核，表示卷积核自身的参数，BN代表每个卷积操作之后紧接的批量归一化操作，X代表输入图像； 中间结果Xmid被输入到由64组33卷积核构成的卷积层，卷积层中的普通卷积核被替换为动态蛇形卷积以更好地贴合缺陷进行特征学习；针对中间输出结果，第一步先对特征图每个位置p，q，生成9个动态采样点坐标，以中心点p，q为初始坐标，按以下递推公式生成其他8个动态采样点的坐标： ； 式中：和分别为第个动态采样点的横坐标和纵坐标；和分别为第个动态采样点的横坐标和纵坐标；，其表示第个偏移量的可学习参数，每个动态采样点都允许在上一个动态采样点的周围11的范围内进行摆动；表示曲率调节系数，用于控制曲率约束强度，为曲率约束函数，曲率约束函数用于控制卷积核采样点的弯曲程度，使其能够自适应地贴合管状结构；曲率约束函数的数学表达式为： ； 式中：表示输入特征图I在坐标点，处的Hessian矩阵二阶导数，用于量化局部曲率；为Hessian矩阵的Frobenius范数，反映该点的曲率强度；为可调节的参数，用于控制曲率约束的敏感度，属于第一设定取值范围时，对高曲率区域施加更强约束，迫使采样点紧密贴合结构边界，属于第二设定取值范围时允许采样点自由偏移，适应平缓区域的管状结构，第一设定取值范围的下限大于或等于第二设定取值范围的上限，指数函数将输出约束到0，1]，最终输出结果为约束权重，参与上述8个动态采样点坐标的偏移量计算；第二步对每个动态采样点的坐标，通过双线性插值获取实际采样值，公式如下： ； 式中，，为动态坐标，周围四个最近的整数网格点m，n为邻近整数坐标点； 第三步为将动态采样值与权重矩阵进行聚合，其过程表示为： ； 其中，为第个采样点的权重矩阵，由中间过程学习得到，为第二步的计算结果，为偏置常量，经过计算后最终得到卷积和的具体坐标； 对中间输出采用11卷积将特征维度还原至原通道数，其公式表示为： ； 式中，表示升维卷积核自身的参数，整个过程即为降维过程的逆过程，经过上述步骤得到模块的最终输出。

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华东交通大学，其通讯地址为：330013 江西省南昌市经济技术开发区双港东大街808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。