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;广州德视迪智能技术有限公司申请的专利一种基于特征聚焦细化的表面缺陷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：CN119444729B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411584818.2，技术领域涉及：G06T7/00；该发明授权一种基于特征聚焦细化的表面缺陷检测方法和系统是由许亮;李育俊设计研发完成，并于2024-11-07向国家知识产权局提交的专利申请。

本一种基于特征聚焦细化的表面缺陷检测方法和系统在说明书摘要公布了：本发明公开了一种基于特征聚焦细化的表面缺陷检测方法和系统，涉及缺陷检测技术领域，方法包括：目标特征聚焦细化缺陷检测模型包括目标边缘聚焦特征提取网络、目标复用融合语义网络、目标语义‑通道‑空间加权细化网络和目标检测层；通过目标边缘聚焦特征提取网络基于待检测图像输出多个缺陷边缘多尺度聚焦特征向量；将各缺陷边缘多尺度聚焦特征向量输入目标复用融合语义网络对应生成多个复用融合语义特征；采用目标语义‑通道‑空间加权细化网络基于各复用融合语义特征对应确定多个语义‑通道‑空间加权细化特征；通过目标检测层基于各语义‑通道‑空间加权细化特征输出待检测图像的缺陷检测结果。提高了小目标缺陷检测精度。

本发明授权一种基于特征聚焦细化的表面缺陷检测方法和系统在权利要求书中公布了：1.一种基于特征聚焦细化的表面缺陷检测方法，其特征在于，包括： 获取待检测图像，将所述待检测图像输入至预设的目标特征聚焦细化缺陷检测模型，所述目标特征聚焦细化缺陷检测模型包括目标边缘聚焦特征提取网络、目标复用融合语义网络、目标语义-通道-空间加权细化网络和目标检测层； 通过所述目标边缘聚焦特征提取网络对所述待检测图像进行多尺度特征提取，输出多个缺陷边缘多尺度聚焦特征向量； 将各所述缺陷边缘多尺度聚焦特征向量输入所述目标复用融合语义网络进行语义增强，对应生成多个复用融合语义特征； 采用所述目标语义-通道-空间加权细化网络分别对各所述复用融合语义特征进行特征过滤，对应确定多个语义-通道-空间加权细化特征； 通过所述目标检测层基于各所述语义-通道-空间加权细化特征进行缺陷定位检测，输出所述待检测图像的缺陷检测结果； 其中，所述目标边缘聚焦特征提取网络包括卷积层和卷积递归融合层和空间金字塔池化层； 所述卷积递归融合层包括卷积层和递归卷积增强层，所述递归卷积增强层包括递归门控卷积子层、特征分割子层和递归瓶颈块，所述递归瓶颈块包括级联的多个递归门控卷积子层；所述卷积递归融合层的处理过程，包括： 对输入所述卷积递归融合层的卷积输入特征采用卷积层进行卷积计算后，通过递归门控卷积子层进行递归特征提取，生成卷积中间特征； 采用特征分割子层对所述卷积中间特征进行特征拆分，输出第一卷积拆分特征和第二卷积拆分特征； 将所述第二卷积拆分特征输入级联的多个递归门控卷积子层进行连续特征提取后，与所述第二卷积拆分特征进行特征融合，得到第一卷积融合特征； 基于级联的多个递归门控卷积子层对所述第一卷积融合特征进行逐级特征提取后，与所述第一卷积融合特征进行特征融合，确定第二卷积融合特征； 对所述第一卷积拆分特征、所述第一卷积融合特征和所述第二卷积融合特征进行通道拼接后，输入递归门控卷积子层进行卷积处理，生成卷积输出特征； 所述目标复用融合语义网络包括注意力层、深度可分离卷积层和残差块； 所述目标语义-通道-空间加权细化网络包括全局平均池化层、全局最大池化层、Conv_Silu层、Sigmoid激活函数层和Softmax激活函数层。

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;广州德视迪智能技术有限公司，其通讯地址为：510080 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。