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！

龙图腾网获悉南京信息工程大学申请的专利一种基于改进YOLOv8的多尺度特征融合3D打印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：CN119048495B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202411516594.1，技术领域涉及：G06T7/00；该发明授权一种基于改进YOLOv8的多尺度特征融合3D打印缺陷检测方法是由安馨悦;乔孜芊;孙雅雯;文学志设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本一种基于改进YOLOv8的多尺度特征融合3D打印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YOLOv8的多尺度特征融合3D打印缺陷检测方法，涉及3D打印缺陷检测技术领域，通过自适应多尺度特征融合网络，根据缺陷的特征尺度自动调整特征融合的方式，并集成了自适应特征金字塔、跨尺度连接块和空间注意力引导模块，来提高对不同尺度和类型的3D打印缺陷的检测能力。

本发明授权一种基于改进YOLOv8的多尺度特征融合3D打印缺陷检测方法在权利要求书中公布了：1.一种基于改进YOLOv8的多尺度特征融合3D打印缺陷检测方法，其特征在于：包括以下步骤： 步骤一：收集3D打印图像数据，并对收集到的数据使用深度增强生成对抗网络进行数据增强； 具体的，使用CycleGAN作为生成3D打印缺陷图像的GAN架构，使用部分标注的图像预训练GAN模型； 将标注的缺陷图像用于训练GAN，将真实缺陷图像作为输入提供给GAN的生成器，生成逼真的缺陷图像，判别器学习区分真实图像和生成图像，交替更新生成器和判别器的参数，直到GAN能够生成高质量的缺陷图像； 使用训练好的GAN生成新的缺陷图像，手动评估生成图像的质量，确保图像符合实际缺陷特征，将生成的图像与原始数据集融合，增加数据集的多样性和规模； 步骤二：构建自适应多特征融合网络，集成自适应特征金字塔、上下文感知分割和自注意力引导模块模块； 具体的，在YOLOv8的骨干网络中提取不同尺度的特征图，对特征图进行上采样和下采样操作，构建金字塔结构，使用可学习的权重矩阵来动态融合不同尺度的特征； 在金字塔的相邻层之间添加跳跃连接，允许信息直接流动，使用Element-wiseAddition合并来自不同层的特征； 对特征图的通道进行压缩来计算空间注意力图，使用计算出的注意力图对特征图进行重加权，突出重要的特征； 在PyTorch中定义一个新的网络类，继承自YOLOv8的网络类，在类中实现AFP、CSC和SAGM模块，并根据设计好的架构进行集成，编写前向传播函数，使得数据在网络中正确流动； 加载YOLOv8的预训练权重作为网络初始化的一部分，设置网络的超参数； 步骤三：采用多任务协同学习策略进行模型训练，同时进行缺陷检测、分类和程度估计； 具体步骤为：保持YOLOv8的检测头部，将其用于生成边界框和缺陷置信度，添加一个新的分类头部用于输出缺陷类型，添加另一个全连接层用于输出缺陷程度的分类标签； 使用YOLOv8的定位损失定义检测损失，使用交叉熵损失定义分类损失，使用均方误差定义程度评估损失； 从同一图像中提取两个具有相似缺陷特征但位置不同的补丁，从不同图像中提取两个具有不同缺陷特征的补丁，使用InfoNCELoss来度量正样本对之间的相似性和负样本对之间的差异性，从网络中提取用于对比的特征，根据提取的特征计算对比损失； 通过网络传递输入数据，同时计算检测、分类和程度估计的输出，计算总损失，根据计算出的损失进行反向传播，更新网络的权重，使用Adam更新网络的权重； 在每个训练批次后记录损失值，用于监控训练进度，定期在验证集上评估模型性能，调整超参数以防止过拟合，根据验证集的性能，使用学习率调度器调整学习率，通过应用权重衰减来减少过拟合； 在训练完成后，在测试集上评估模型的最终性能，计算检测的mAP、分类准确率、程度估计的误差指标； 步骤四：通过超参数调优、模型剪枝和量化来优化模型性能； 具体的，选择调优的超参数，系统地遍历超参数的多个组合，随机选择超参数组合进行测试，找到最佳组合，使用概率模型来预测超参数组合的性能，指导搜索过程，记录每次实验的超参数和性能，选择性能最佳的超参数组合； 通过移除不重要的权重，减少模型参数的数量，减少计算量，加快模型的前向传播，移除单个权重及整个神经元或卷积核，训练完整的模型，根据剪枝标准移除权重，对剪枝后的模型进行微调来恢复性能，从较小的剪枝比例开始，逐步增加，直到达到满意的性能和模型大小； 通过降低权重的精度来减少模型大小，在训练后量化权重，并固定量化值，收集量化所需的权重和激活的最大值，根据统计数据将浮点数权重转换为量化值，在量化后的模型上进行微调来恢复性能，评估量化模型的推理速度，在测试集上评估模型的准确率，比较优化前后模型的大小，测量模型处理单个样本的平均推理时间； 开发智能优化系统，对缺陷进行实时检测与打印参数优化； 使用综合性能评估评估框架对模型进行全面评估。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。