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！

龙图腾网获悉湖南大学申请的专利一种基于多尺度特征融合的汽车零部件缺陷检测方法与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：CN121563974B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610076815.0，技术领域涉及：G06T7/00；该发明授权一种基于多尺度特征融合的汽车零部件缺陷检测方法与系统是由方乐缘;张剑新;杨震;余映天;陈虹设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本一种基于多尺度特征融合的汽车零部件缺陷检测方法与系统在说明书摘要公布了：一种基于多尺度特征融合的汽车零部件缺陷检测方法与系统，检测方法包括如下步骤：构建数据集；从数据集选取一张原始图像输入到预训练的骨干网络中，得到多尺度特征；将多尺度特征输入到多尺度特征融合模块进行特征融合，得到融合后的特征图；然后将融合后的特征图输入到解码模块进行图像重建并整合，得到整合后的重建图像；求解原始图像和整合后的重建图像之间的欧氏距离，并动态调整汽车零部件缺陷检测网络的权重，得到训练后的汽车零部件缺陷检测网络；将训练后的汽车零部件缺陷检测网络部署到设备端，并进行实际的汽车零部件缺陷检测。本发明提高了现有的缺陷检测方法识别新缺陷率低的问题，此外，本发明还具有高效、灵活的优势。

本发明授权一种基于多尺度特征融合的汽车零部件缺陷检测方法与系统在权利要求书中公布了：1.一种基于多尺度特征融合的汽车零部件缺陷检测方法，其特征在于，包括如下步骤： S1、采集多张关于汽车零部件缺陷的原始图像，并构建数据集； S2、构建汽车零部件缺陷检测网络，包括依次连接的预训练的骨干网络、多尺度特征融合模块、解码模块； S3、从数据集选取一张原始图像输入到预训练的骨干网络中，得到多尺度特征；将多尺度特征输入到多尺度特征融合模块进行特征融合，得到融合后的特征图；然后将融合后的特征图输入到解码模块进行图像重建并整合，得到整合后的重建图像； S4、求解原始图像和整合后的重建图像之间的欧氏距离，并将求解的结果作为重建损失，利用重建损失动态调整汽车零部件缺陷检测网络的权重，循环迭代S3至S4，直至最小化重建损失，得到训练后的汽车零部件缺陷检测网络； S5、将训练后的汽车零部件缺陷检测网络部署到设备端，并进行实际的汽车零部件缺陷检测，将检测差异达到设定差异阈值的检测结果作为实际的汽车零部件缺陷识别结果； 所述S3具体包括如下步骤： S31、将原始图像x输入到预训练的骨干网络中，预训练的骨干网络中的多层特征提取模块分别对原始图像x进行不同尺度的特征提取，得到多尺度特征图；多尺度特征图包括多个不同尺度的特征图； S32、将多尺度特征图输入到多尺度特征融合模块中，将多个不同尺度的特征图的高度、宽度和通道数调整到一致，得到多个调整后的特征图；然后采用注意力机制对多个调整后的特征图进行融合，得到融合后的特征图； S33、将融合后的特征图输入到解码模块中，重建每个尺度的图像并整合，得到整合后的重建图像； 所述S33具体包括如下步骤： S331、将融合后的特征图输入到CMamba解码器内的第一采样层中，进行上采样或者下采样，得到一个尺度的特征图，采用公式表示为： ； 其中，表示由上采样或者下采样得到的特征图；表示上采样或者下采样操作；、分别表示特征图的高度和宽度； S332、将特征图输入到CMamba解码器内的Hybrid模块中，得到输出特征，计算式具体如下： ； 其中是第三卷积层，用于提取局部特征，是捕获全局上下文信息的子模块，，是平衡局部和全局信息的权重，为Hybrid模块的输出特征，融合了局部和全局信息；表示解码模块的参数；表示卷积模块中的偏置项，是第三卷积层的可学习参数；表示Mamba模块的可学习参数集合，包括其内部所有权重和门控参数； S333、然后依据特征图并通过转置卷积层内的运算操作求解得到第s个尺度的重建图像，采用公式表示为： ； 其中，表示转置卷积层内的运算操作； S334、采用逐层金字塔式重建策略并依据当前尺度的重建图像的上采样结果以及输出特征求解下一个尺度的重建图像，采用公式表示为： ； 其中，表示第s个尺度的重建图像的上采样结果； S335、循环S331至S334多次，求解得到多个不同尺度的重建图像，然后对多个不同尺度的重建图像进行整合，得到整合后的重建图像，采用公式表示为： ； 其中，为第个尺度的融合权重；S表示尺度的总数。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路1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。