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！

龙图腾网恭喜江苏科技大学申请的专利一种基于改进Faster RCNN算法的金属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：CN114897802B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202210438440.X，技术领域涉及：G06T7/00；该发明授权一种基于改进Faster RCNN算法的金属表面缺陷检测方法是由赵楚;段先华;叶赵兵;苏俊楷设计研发完成，并于2022-04-25向国家知识产权局提交的专利申请。

本一种基于改进Faster RCNN算法的金属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改进FasterRCNN算法的金属表面缺陷检测方法，属于计算机视觉目标检测领域，可用于金属表面的缺陷检测，包括以下步骤：步骤一：获取金属表面缺陷图像数据集，并对其进行预处理；步骤二：基于FasterRCNN目标检测模型，选取参数量较少的骨干网络作为模型的特征提取网络并嵌入可变形卷积，设计特征金子塔结构进行特征融合；步骤三：引入RankSortLoss，优化损失函数；步骤四：优化区域建议网络，改进锚点生成方式；步骤五、模型训练；步骤六、用训练好的模型对测试样本进行预测并输出预测结果。本发明检测金属表面缺陷的漏检率低，准确度高，能够有效地应用于金属表面缺陷检测的场景中。

本发明授权一种基于改进Faster RCNN算法的金属表面缺陷检测方法在权利要求书中公布了：1.一种基于改进FasterRCNN算法的金属表面缺陷检测方法，其特征在于，包括以下步骤：步骤一、从东北大学采集的NEU-DET公开数据库中获取金属表面缺陷图像样本，并对其进行预处理；步骤二、基于FasterRCNN目标检测模型，选取参数量较少性能较好的骨干网络ResNet101作为FasterRCNN目标检测模型中的特征提取网络，ResNet101网络由100个卷积层和一个全连接层组成，通过卷积步长改变图像尺度，其网络结构分为五个阶段，每经过一个阶段图片下采样2倍；为了增强小目标的检测效果，引入特征金子塔进行特征融合；将ResNet101的后三个阶段中所有的3×3传统卷积替换为可变形卷积；步骤三、优化损失函数，简化模型训练的复杂性，提高模型性能；模型的总损失为分类损失和回归损失两个部分的加权和，其具体改进方法为用RankSortLoss代替分类损失中的交叉熵损失，回归损失采用GIOU损失，改进后模型总损失的加权参数为RSLoss除以回归损失，RSLoss的计算公式如下： 式中:p为正样本的集合；lRSi为当前rank误差和当前sort误差的总和，即当前RS误差；为目标rank误差和目标sort误差的总和，即目标RS误差；步骤四、优化区域建议网络，改进锚点生成方式，使生产的锚框更加契合缺陷目标尺度；步骤五、模型训练；步骤六、用训练好的模型对测试样本进行预测并输出金属表面缺陷的类别和位置信息。

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江苏科技大学，其通讯地址为：212008 江苏省镇江市梦溪路2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”。