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！

龍圖騰網獲悉湖南工業大學申請的專利焊縫缺陷檢測方法、電子設備及介質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：CN120125507B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202510139703.0，技術領域涉及：G06T7/00；該發明授權焊縫缺陷檢測方法、電子設備及介質是由羅媛;令杰;魯乃唯;張海萍;陳方懷;肖新輝;馬亞飛;劉小帆;王巖鵬;游新宇;田淼;李兆超;陳英設計研發完成，并于2025-02-08向國家知識產權局提交的專利申請。

本焊縫缺陷檢測方法、電子設備及介質在說明書摘要公布了：本發明提供了一種焊縫缺陷檢測方法、電子設備及介質，本發明的方法包括：獲取焊縫圖像；對平均亮度值低于閾值的焊縫圖像進行增強處理，得到增強圖像；將平均亮度值高于閾值的焊縫圖像和增強圖像作為深度學習網絡模型的輸入，訓練所述深度學習網絡模型，得到焊縫缺陷檢測模型。本發明通過空間注意力機制增強關鍵特征，聚焦于重要的空間區域，同時抑制不相關的信息，處理后的特征保留了各自尺度的關鍵信息。通過C3k2模塊的跨階段部分連接，有效地優化和精煉特征，提升了特征的融合與表示能力，確保信息能夠在不同層級和尺度之間傳遞和融合，實現對各種尺度目標的準確識別和定位；多層次檢測體系能夠覆蓋多尺度目標，提升對小目標缺陷的檢測能力。

本發明授權焊縫缺陷檢測方法、電子設備及介質在權利要求書中公布了：1.一種焊縫缺陷檢測方法，其特征在于，包括以下步驟： S1、獲取焊縫圖像； S2、對平均亮度值低于閾值的焊縫圖像進行圖像增強處理，得到增強圖像； S3、將平均亮度值高于閾值的焊縫圖像和增強圖像作為深度學習網絡模型的輸入，訓練所述深度學習網絡模型，得到焊縫缺陷檢測模型； 所述深度學習網絡模型包括主干網絡、頸部網絡和頭部網絡，所述主干網絡包括特征層P2、特征層P3、特征層P4、特征層P5；所述頸部網絡包括依次連接的第一空間注意力層、第一C3k2模塊、第二空間注意力層、第二C3k2模塊、第三空間注意力層、第三C3k2模塊、第四空間注意力層、第四C3k2模塊；所述頭部網絡包括第一檢測頭、第二檢測頭、第三檢測頭、第四檢測頭、Detect模塊； 所述特征層P2與所述第一空間注意力層連接，所述特征層P3與所述第二空間注意力層連接，所述特征層P4與所述第三空間注意力層連接，所述特征層P5與所述第四空間注意力層連接； 所述第一C3k2模塊與所述第一檢測頭連接，所述第二C3k2模塊與所述第二檢測頭連接，所述第三C3k2模塊與所述第三檢測頭連接，所述第四C3k2模塊與所述第四檢測頭連接； 所述第一檢測頭、第二檢測頭、第三檢測頭、第四檢測頭均與所述Detect模塊連接； S2的實現過程包括： 構建圖像增強處理模型，將平均亮度值低于閾值的焊縫圖像輸入所述圖像增強處理模型，得到增強圖像； 所述圖像增強處理模型包括依次連接的光照估計器、視覺修復單元； 所述光照估計器包括依次連接的第一卷積層、第二卷積層、第三卷積層、第一融合層； 所述視覺修復單元包括依次連接的第四卷積層、多層級聯的第一神經網絡、多層級聯的第二神經網絡、第七卷積層、第二融合層；所述第一融合層分別與所述第四卷積層、第二融合層連接；所述第一神經網絡包括依次連接的DFM模塊、第五卷積層；所述第二神經網絡包括依次連接的反卷積層、第六卷積層、DFM模塊； 所述DFM模塊包括依次連接的交叉注意力層、第五空間注意力層、通道注意力層、歸一化層、前饋神經網絡。

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湖南工業大學，其通訊地址為：412007 湖南省株洲市天元區泰山西路88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”。