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！

龙图腾网获悉安徽理工大学申请的专利小目标缺陷的轻量化检测模型、方法、设备及存储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：CN115661065B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211287790.7，技术领域涉及：G06T7/00；该发明授权小目标缺陷的轻量化检测模型、方法、设备及存储介质是由贾晓芬;吴雪茹;赵佰亭设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本小目标缺陷的轻量化检测模型、方法、设备及存储介质在说明书摘要公布了：本发明公开了一种小目标缺陷的轻量化检测模型、方法、设备及存储介质，检测模型由主干网络、特征融合颈及预测输出构成，主干网络包含交替连接的4个轻量化模块DC‑SE和4个特征提取模块NewC3‑1，负责提取绝缘子的特征信息；特征融合颈包含4个特征提取模块NewC3‑2，负责实现对主干网络提取的多维特征的信息融合；预测输出负责给出对绝缘子缺陷的检测结果。轻量化模块DC‑SE用于削弱复杂背景对绝缘子故障的干扰、互补提取绝缘子细微特征，进而增强浅层网络对目标特征信息的提取能力。特征提取模块NewC3‑1和NewC3‑2负责显著降低网络参数、强化网络提取绝缘子有效信息的能力。本发明有助于实现输电线路的高精度、高速度巡检，同时满足绝缘子自爆缺陷实时检测的要求。

本发明授权小目标缺陷的轻量化检测模型、方法、设备及存储介质在权利要求书中公布了：1.一种小目标缺陷的轻量化检测方法，其特征在于，按照以下步骤进行： S1、将绝缘子图像输入骨干网络，完成绝缘子的特征信息提取，并送入特征融合颈； 所述骨干网络包含交替连接的4个轻量化模块DC-SE和4个特征提取模块NewC3-1，主干网络负责提取绝缘子的特征信息；所述特征融合颈包含4个特征提取模块NewC3-2，负责实现对主干网络提取的多维特征的信息融合； 骨干网络中含有4个NewC3-1，该模块依次含有3、6、9、3个New-bottleneck1；特征融合颈中含有4个NewC3-2，其中均含3个New-bottleneck2； 所述特征提取模块NewC3-jj＝1,2是为了充分提取绝缘子上的小目标特征； 每个NewC3-jj＝1,2模块由x个New-bottleneckjj＝1,2与2个卷积模块Conv+BN+SiLU组成，Conv+BN+SiLU由1×1传统卷积、BN归一化以及SiLu激活函数组成，其通道数为NewC3-jj＝1,2模块的输入通道数； 所述New-bottleneckjj＝1,2模块由3×3深度卷积、逐点卷积和ECA构成，分为New-bottleneck1与New-bottleneck2两种结构； New-bottleneck1输入与输出之间采用残差连接，残差连接用于优化主干网络缓解梯度爆炸问题；New-bottleneck1将3×3深度卷积、逐点卷积和ECA关注后的信号，与残差连接前向传输的低级信号融合，可以更好的关注小目标缺陷； New-bottleneck2采用串行的方式进行信息传输，因为其作用于颈部的融合结构，其直接输出的方式能更大程度上保留融合特征信息； 所述New-bottleneckjj＝1,2的数量由配置文件.yaml和参数depth_multiple的乘积自动决定； 所述New-bottleneckjj＝1,2采用3×3深度卷积与1×1逐点卷积处理后，深度可分离卷积在保证提取更多特征属性的同时减少了更多的参数量； 所述逐点卷积负责将深度卷积生成的特征进行新的通道拼接，随后将信息传入注意力机制进行处理； 所述注意力机制通过内核的快速一维卷积来共享相同的学习参数，让模型具有更轻体积的同时有效捕获了跨通道交互、强化网络提取绝缘子有效信息的能力、提高特征融合的质量进一步提高网络检测精度 S2、特征融合颈融合主干网络提取的多维特征信息后，送入预测输出； 所述轻量化模块DC-SE融合传统卷积与深度卷积，随着网络不断加深利用数目成倍增长的卷积逐步扩大通道数量，助力绝缘子特征的互补提取；同时，引入注意力机制SE强化主干网络对细节特征的表达能力，提高网络对不同尺寸绝缘子图像的特征融合能力，改善特征融合过程对细节信息的丢失问题，从而加强浅层网络对绝缘子自爆缺陷特征的检测性能； 所述轻量化模块DC-SE通过1个1×1卷积和多个深度卷积串联并经BN处理和SiLU激活后再与1×1卷积拼接，实现特征提取；然后利用通道注意力机制SE解决输电线路巡检时所拍摄图片背景复杂干扰信息过多的问题； 所述轻量化模块DC-SE被用在骨干网络中，依次使用的4个轻量化模块DC-SE中，深度卷积的数量分别为128、256、512、和1024，它们利用数目成倍增长的卷积逐步扩大通道数，强化提取绝缘子上的小缺陷特征； 所述轻量化模块DC-SE在对通道信息全局提取的同时，借助SE自适应学习不同通道之间的依赖关系，自适应的增强目标的特征像素，削弱复杂背景信息对绝缘子故障检测的干扰，在扩大浅层网络感受野的同时保证网络对缺陷的精准提取； 所述特征融合颈中轻量化模块DC-SE的计算过程为： Y0＝ConvKi1 Y1＝ConcatDwd…Dw2Dw1Y0,Y02 Ki+1＝SEY13 其中，Y0表示对输入Kii取1、2...n经Conv卷积提取的特征图，Y1表示对Y0实施Dw卷积后再和Y0拼接的结果，Ki+1表示SE模块最终提取的特征图； S3、预测输出完成预测，输出对绝缘子上缺陷的检测结果。

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安徽理工大学，其通讯地址为：232000 安徽省淮南市山南新区泰丰大街168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。