買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉昆明理工大學申請的專利一種輕量級的軌道表面缺陷實時檢測方法及裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119313663B 。

龍圖騰網通過國家知識產權局官網在2025-08-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411849264.4，技術領域涉及：G06F17/00；該發明授權一種輕量級的軌道表面缺陷實時檢測方法及裝置是由瞿麗春;沈世全;徐贊;陳先智;王誼;何華鳳;徐代明;楊偉偉;付新男;李明輝設計研發完成，并于2024-12-16向國家知識產權局提交的專利申請。

本一種輕量級的軌道表面缺陷實時檢測方法及裝置在說明書摘要公布了：本發明中公開了一種輕量級的軌道表面缺陷實時檢測方法及裝置，涉及圖像數據處理技術領域，通過優化模型結構和訓練策略，提高軌道缺陷檢測的檢測精度和檢測效率。該方法包括：使用軌道圖像的數據集對T?YOLOv8教師模型進行預訓練；T?YOLOv8教師模型是以原YOLOv8模型為基礎，在主干網絡中引入NEW?IAT模塊，將頸部網絡替換為CBAM?C2f模塊后得到；使用訓練好的T?YOLOv8教師模型對輕量級S?YOLOv8學生模型進行蒸餾訓練，并對訓練后的輕量級S?YOLOv8學生模型進行優化和驗證；輕量級S?YOLOv8學生模型是以原YOLOv8模型為基礎，保留SPPF層，將主干網絡其余部分替換為輕量級的新主干網絡，輕量級的新主干網絡包括HGStem、Light_HGBlock和DWConv三種模塊；使用優化后的輕量級S?YOLOv8學生模型對軌道表面缺陷進行實時檢測得到軌道缺陷信息。

本發明授權一種輕量級的軌道表面缺陷實時檢測方法及裝置在權利要求書中公布了：1.一種輕量級的軌道表面缺陷實時檢測方法，其特征在于，包括： S1、獲取軌道圖像形成數據集，數據集被劃分為訓練集、測試集、驗證集； S2、使用數據集對T-YOLOv8教師模型進行預訓練； 其中，T-YOLOv8教師模型是以原YOLOv8模型為基礎，在主干網絡中引入NEW-IAT模塊，將頸部網絡中C2f模塊替換為CBAM-C2f模塊后得到； S3、使用訓練好的T-YOLOv8教師模型對輕量級S-YOLOv8學生模型進行蒸餾訓練，并對訓練后的輕量級S-YOLOv8學生模型進行優化和驗證； 其中，輕量級S-YOLOv8學生模型是以原YOLOv8模型為基礎，保留SPPF層并將YOLOv8的原主干網絡替換為輕量級的新主干網絡，輕量級的新主干網絡包括HGStem模塊、Light_HGBlock模塊和DWConv模塊； S4、使用優化后的輕量級S-YOLOv8學生模型對軌道表面缺陷進行實時檢測得到軌道缺陷信息并顯示； 所述NEW-IAT模塊包括第一支路和第二支路，第一支路包括膨脹卷積層和PEM模塊，第二支路包括膨脹卷積層和改進的GPM模塊，改進的GPM模塊使用多頭注意力機制替換原來的交叉注意力機制，其中PEM模塊用于增強局部特征細節，改進的GPM模塊用于生成全局調整參數； CBAM-C2f模塊包括膨脹卷積層、通道注意力模塊和空間注意力模塊，其結構及特征提取過程為：圖像輸入首先經過一個1x1的膨脹卷積層生成特征圖；接著通過二分支結構將特征圖分為兩部分：第一部分直接傳遞，第二部分經過若干個3x3的膨脹卷積層進行特征提取，兩部分特征隨后在通道維度上拼接，得到新的特征圖；拼接后新的特征圖進入CBAM模塊，首先通過通道注意力模塊對其進行通道維度的加權，然后通過空間注意力模塊進行空間維度的加權，得到增強后的特征圖，最后，增強后的特征圖經過一個1x1的卷積層，輸出最終的特征圖； 在S2中，對T-YOLOv8教師模型進行預訓練的具體步驟包括： S2.1、使用NEW-IAT模塊對圖像進行暗光增強或曝光糾正處理； S2.2、使用CBAM-C2f模塊對S2.1中處理后的圖像進行特征提取處理； S2.3、將提取到的圖像特征輸入T-YOLOv8教師模型中的預測頭中，生成目標檢測的最終預測結果； 在S3中，蒸餾訓練的具體步驟包括： S3.1、基于分類損失、定位損失和蒸餾損失設計得到蒸餾損失函數； S3.2、在蒸餾訓練過程中，以軌道圖像為輸入，通過調整蒸餾損失函數中的權重進行迭代訓練，直到迭代次數滿足閾值時完成訓練。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人昆明理工大學，其通訊地址為：650093 云南省昆明市一二一大街文昌路68號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。