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！

龙图腾网获悉中南大学申请的专利一种基于改进YOLOv5的轧制板材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：CN119851042B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510059212.5，技术领域涉及：G06V10/764；该发明授权一种基于改进YOLOv5的轧制板材表面缺陷检测方法是由祝阳;蔺永诚设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于改进YOLOv5的轧制板材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改进YOLOv5的轧制板材表面缺陷检测方法，包含三点核心改进：1骨干模块引入残差同步卷积操作ResidualSynchronizedConvolutionalBlock,RSCB，同步提取复杂缺陷特征；2颈部模块设计卷积‑多层感知机操作Conv‑MultilayerPerceptron,Conv‑MLP，强化图像全局与局部特征的交互，提升大跨度缺陷检测能力；3优化跨尺度特征融合Fusion策略，通过浅层特征补偿深层特征丢失的细节。本发明通过多尺度特征处理机制提升了微小缺陷识别精度，在工业场景中实现了更高精度的表面缺陷定位与分类。

本发明授权一种基于改进YOLOv5的轧制板材表面缺陷检测方法在权利要求书中公布了：1.一种基于改进YOLOv5的轧制板材表面缺陷检测方法；该方法的特征在于，包括以下步骤： S1、基于骨干模块、颈部模块、头部模块构造轧制板材表面缺陷检测方法； S2、基于CSPDarknet构造骨干模块，包含卷积归一化激活操作Conv-BatchNorm-SiLU,CBS、残差同步卷积操作ResidualSynchronizedConvolutionalBlock,RSCB和快速空间金字塔池化操作SpatialPyramidPooling-Fast,SPPF； S3、步骤S2所述的骨干模块，其特征在于，包括： 对输入图像进行CBS6×6操作得到特征F 对特征F进行CBS3×3操作得到特征F 对特征F进行RSCB操作得到特征F 对特征F进行CBS3×3操作得到特征F 对特征F进行RSCB操作得到特征F 对特征F进行CBS3×3操作得到特征F 对特征F进行RSCB操作得到特征F 对特征F进行CBS3×3操作得到特征F 对特征F进行RSCB操作得到特征F 对特征F进行SPPF操作得到特征F10 S4、步骤S3其特征在于，所述RSCB操作为：对输入特征进行CBS3×3操作得到特征R，基于蓝图卷积归一化激活操作BlueprintSeparableConv-BatchNorm-SiLU,BBS对特征R分别进行BBS3×3和BBS5×5操作，并将所得两特征进行特征拼接并进行BBS7×7操作得到特征R，将特征R与特征R进行特征拼接操作并进行BBS7×7操作得到特征R，将特征R与特征R进行拼接并进行CSB3×3操作得到RSCB输出特征； S5、基于PANet构造颈部模块，包含三卷积CSP操作CSPBottleneckwith3Convolutions,C3、卷积-多层感知机操作Conv-MultilayerPerceptron,Conv-MLP和特征融合操作Fusion； S6、步骤S5所述的颈部模块，其特征在于，包括： 对输入特征F10进行第一Conv-MLP操作得到特征F11； 对特征F11进行上采样操作得到特征F12； 对F12和F7进行特征拼接并依次进行C3操作和第二Conv-MLP操作得到特征F15； 对特征F15进行上采样操作得到特征F16； 对特征F2、特征F5和特征F16进行第一Fusion操作并进行C3操作得到特征F18； 对特征F18进行第三Conv-MLP操作得到特征F19； 对特征F2、特征F15和特征F19进行第二Fusion操作并进行C3操作得到特征F21； 对特征F21进行第四Conv-MLP操作得到特征F22； 对特征F2、特征F11和特征F22进行第三Fusion操作并进行C3操作得到特征F24； S7、步骤S6其特征在于，所述Conv-MLP操作为：对输入特征依次进行Shift-MLP和CBSi×i操作，步骤S6中第一Conv-MLP操作和第二Conv-MLP操作采用的是CBS1×1，而第三Conv-MLP操作和第四Conv-MLP操作中采用的是CBS3×3； S8、步骤S6其特征在于，所述Fusion操作为：对特征F2进行平均池化操作并与中层特征和深层特征进行特征拼接操作得到特征S1，对特征S1依次进行CBS1×1和CBS3×3操作得到输出特征；其中，第一Fusion操作中的中层特征为特征F5，深层特征为特征F16；第二Fusion操作中的中层特征为特征F15，深层特征为特征F19；第三Fusion操作中的中层特征为特征F11，深层特征为特征F22； S9、基于YOLOv5自身的头部模块，并结合特征F18、特征F21和特征F24进行缺陷检测及定位操作。

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中南大学，其通讯地址为：410083 湖南省长沙市麓山南路932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。