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！

龙图腾网获悉山东理工大学;南京航空航天大学;内蒙动力机械研究所申请的专利一种基于特征耦合的工业产品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：CN120766047B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511247708.1，技术领域涉及：G06V10/764；该发明授权一种基于特征耦合的工业产品表面缺陷检测方法是由王绍卿;贾志成;郑菁桦;韩小波;孙福振;潘宪清设计研发完成，并于2025-09-03向国家知识产权局提交的专利申请。

本一种基于特征耦合的工业产品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特征耦合的工业产品表面缺陷检测方法，该方法包括步骤：1构建四阶段骨干特征提取网络，并集成DPSC模块扩大感受野，实现从局部到全局的渐进式特征学习；2设计多尺度特征融合网络，实现不同尺度特征的有效融合，将高层语义信息与低层细节信息进行深度耦合；3构建多分支检测头，实现全尺度覆盖；4进行端到端训练优化：应用LAMP剪枝策略计算权重重要性分数，删除冗余参数，在保持检测性能的同时显著降低模型复杂度和计算成本。该方法通过全局‑局部特征耦合机制，有效解决了工业产品表面缺陷检测中缺陷与背景高度相似、尺度变化大的技术难题，实现了高精度、高效率的缺陷检测。

本发明授权一种基于特征耦合的工业产品表面缺陷检测方法在权利要求书中公布了：1.一种基于特征耦合的工业产品表面缺陷检测方法，其特征在于，包括四个阶段的骨干网络、构建特征融合网络、构建多尺度检测头、进行端到端训练和LAMP剪枝优化： S1：四个阶段的骨干网络，其中Stage1和Stage2采用CBS模块和C3k2_SCGF模块进行浅层特征提取，C3k2_SCGFSeparableConvolutionGatedFormer模块采用深度可分离卷积结构，通过深度卷积DwConv专注于捕捉每个通道的空间特征，再通过逐点卷积PwConv进行跨通道特征融合，其计算公式如下： ， 其中，Act是激活函数；Stage3和Stage4采用CBS模块和C3k2_NAGF模块进行深层特征提取，C3k2_NAGFNeighborhoodAwareGatedFormer模块引入了自注意力机制，通过计算Query、Key和Value矩阵实现全局上下文建模，其计算公式如下： ， 其中，Q,K,和V分别是从输入特征图中提取的Query、Key和Value，Softmax操作用于归一化注意力分数；最后集成DPSC模块和C2PSA模块，DPSCDilatedPyramidSharedConv模块通过应用不同膨胀率的膨胀卷积并行处理特征图，其计算公式如下： ， 其中d是膨胀率，分别为1,3,5，再将所有膨胀卷积的结果沿通道维度进行拼接，其计算公式如下： ， 其中Y1,Y3,Y5分别是膨胀率为1,3,5时的特征图；最后将经过拼接后的特征图通过一个1x1卷积映射到最终的输出；膨胀卷积分别在不同感受野尺度下提取特征，然后将这些多尺度特征在通道维度进行拼接耦合，实现从局部细节到全局语义的渐进式特征学习； S2：构建特征融合网络：颈部网络采用FPN结构，通过Concat操作、Upsample上采样和C3k2_SCGF模块实现不同尺度特征的有效融合，其中高层语义信息通过上采样与低层细节信息进行拼接，经过C3k2_SCGF模块进一步优化特征表达； S3：构建多尺度检测头：设计三个不同尺度的检测分支，每个分支包含Conv2d卷积层、BatchNorm2d归一化层和Detect检测头，分别负责检测不同尺寸的缺陷目标，实现对小、中、大尺度缺陷的全面覆盖； S4：进行端到端训练和LAMP剪枝优化：使用工业产品表面缺陷数据集对网络进行训练，然后应用LAMP剪枝策略计算权重重要性分数，删除贡献小的连接参数，在保持检测性能的同时显著减少模型参数量和计算复杂度。

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山东理工大学;南京航空航天大学;内蒙动力机械研究所，其通讯地址为：255000 山东省淄博市张店区新村西路266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。