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！

龙图腾网获悉南昌航空大学申请的专利基于多尺度自适应引导的表面缺陷检测方法、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：CN120672758B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202511178512.1，技术领域涉及：G06T7/00；该发明授权基于多尺度自适应引导的表面缺陷检测方法、设备及介质是由张聪炫;李旭辉;葛利跃;王梓歌;江乐旗;陈震;吴成中;王耀南设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本基于多尺度自适应引导的表面缺陷检测方法、设备及介质在说明书摘要公布了：本申请公开了一种基于多尺度自适应引导的表面缺陷检测方法、设备及介质，涉及表面缺陷检测技术领域，该方法包括获取待检测物图像并输入至预训练的表面缺陷检测网络中，预测出待检测物的表面缺陷检测结果；其中，在表面缺陷检测网络中的多尺度特征提取子网络与特征融合子网络之间引入多尺度自适应引导子网络，以减少弱小目标信息的丢失，并在特征融合子网络中引入全维动态特征提取模块，增强对多尺度目标和复杂形状目标的特征提取能力，最后在边界框回归损失项中引入能够改变权重参数的调制因子，最终使得基于表面缺陷检测网络进行缺陷检测时，提高表面缺陷检测的精度，降低工业表面缺陷检测的漏检率和误检率。

本发明授权基于多尺度自适应引导的表面缺陷检测方法、设备及介质在权利要求书中公布了：1.一种基于多尺度自适应引导的表面缺陷检测方法，其特征在于，包括： 获取待检测物图像； 将待检测物图像输入至预训练的表面缺陷检测网络中，预测出待检测物的表面缺陷检测结果；所述表面缺陷检测网络包括依次连接的多尺度特征提取子网络、多尺度自适应引导子网络、特征融合子网络和检测头子网络；所述多尺度自适应引导子网络用于对多尺度特征提取子网络提取出的多个不同尺度的特征图进行自适应融合，得出不同尺度的自适应融合特征图； 所述多尺度特征提取子网络包括：N个串联连接的FasterNet模块；第一个FasterNet模块的输入为待检测物图像；各FasterNet模块分别输出不同尺度的特征图； 所述特征融合子网络用于对不同尺度的自适应融合特征进行拼接融合，得出拼接融合特征图；所述检测头子网络用于根据拼接融合特征图输出待检测物的表面缺陷检测结果； 其中，所述基于多尺度自适应引导的表面缺陷检测方法还包括：预训练的表面缺陷检测网络的训练过程，具体为： 获取待检测物的图像样本；每一图像样本对应有真实的表面缺陷检测结果； 将待检测物的图像样本输入初始的表面缺陷检测网络，输出表面缺陷检测样本预测结果； 构建损失函数，并根据表面缺陷检测样本预测结果和对应的真实的表面缺陷检测结果计算损失误差；损失函数包括边界框回归损失项和分类损失项；在边界框回归损失项中引入了改变权重系数的调制因子； 根据损失误差反向传播调整初始的表面缺陷检测网络，直至损失误差收敛或达到最大训练迭代次数，得出预训练的表面缺陷检测网络； 其中，所述损失函数的表达式为： ； 其中，；； ； 式中，L表示损失误差；表示边界框回归损失项；表示分类损失项；IOU是预测框和真实框之间的交并比；调制因子是取值范围在0到1之间的超参数；表示预测框中心点与真实框中心点之间的欧几里得距离；是预测框和真实框的最小外接矩形的对角线距离；表示预测框的纵横比之间的差异；表示真实框的纵横比之间的差异；M表示样本数量；是类别数量，是图像样本对应类别的真实标签；是表面缺陷检测网络对图像样本预测为类别的概率；和为损失项权重。

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南昌航空大学，其通讯地址为：330063 江西省南昌市红谷滩区丰和南大道696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。