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！

龙图腾网获悉太原理工大学申请的专利基于特征增强多尺度融合的小样本PCB缺陷检测方法及装置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：CN115496741B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211236036.0，技术领域涉及：G06T7/00；该发明授权基于特征增强多尺度融合的小样本PCB缺陷检测方法及装置是由续欣莹;王昊东;赵文晶;郑梓豪设计研发完成，并于2022-10-10向国家知识产权局提交的专利申请。

本基于特征增强多尺度融合的小样本PCB缺陷检测方法及装置在说明书摘要公布了：本公开实施例公开了一种基于特征增强多尺度融合的小样本PCB缺陷检测方法及装置。其中，该方法在原始的元学习小样本目标检测算法FSRW基础上，加入特征增强模块，突出接收到的特征图关键性区域，抑制无用信息的干扰，增强特征判别性，从而提升检测效果。针对PCB板缺陷特征尺寸微小，检测难度大的特点，提出BI‑FU多尺度融合策略，提取PCB多个尺度特征图，并融合成一张包含不同尺度信息的高质量特征图，进一步提高模型对小目标缺陷的检测精度。该方法相比于原始FSRW方法在PCB缺陷上提高了检测准确率，并且与其他的小样本目标检测算法相比，也有出色的检测效果，具有良好的泛化能力和鲁棒性，有较高的实际应用价值。

本发明授权基于特征增强多尺度融合的小样本PCB缺陷检测方法及装置在权利要求书中公布了：1.一种基于特征增强多尺度融合的小样本PCB缺陷检测方法，其特征在于，包括： 步骤1、构建基类数据集和新类数据集；其中，所述基类数据集包含样本图像及其标注信息，所述新类数据集包括PCB图像及其标注信息； 步骤2、将所述基类数据集和所述新类数据集分别划分为由查询集图像和支持集图像组成的任务数据集； 步骤3、对每个所述任务数据集进行如下处理： 步骤31、使用DarkNet-53网络提取输入的查询集图像的特征图，再对特征图进行特征增强处理，输出增强后的查询集特征图； 步骤32、使用BI-FU多尺度特征融合模块先提取输入的支持集图像的多个不同尺度的特征图，并用该模块对所述多个不同尺度的特征图进行融合，得到多尺度融合特征图；再对多尺度融合特征图进行卷积处理，输出特征重加权向量； 步骤33、将所述查询集特征图和所述特征重加权向量进行融合处理，得到重加权后的查询集特征图； 步骤34、基于所述重加权后的查询集特征图进行预测分析，生成包含预测位置及预测类别的预测结果； 步骤4、采用两阶段训练策略，先通过所述基类数据集的任务数据集进行模型训练，再通过所述新类数据集的任务数据集进行模型微调； 步骤5、基于训练完成的模型对PCB表面缺陷进行检测； 所述对特征图进行特征增强处理，输出增强后的查询集特征图，包括： 利用特征图F根据如下公式获得中间特征图F'： 其中，σ为sigmiod激活函数，W0、W1为MLP的权重，为平均池化特征，为最大池化特征，W0∈Rcr×c，W1∈Rc×cr，R为实数，c为通道数，r为减少率，表示逐元素相乘； 再利用中间特征图F'根据如下公式获得增强后的查询集特征图Fc： 其中，σ为sigmiod激活函数，f7×7为卷积核为7×7的卷积运算，为平均池化2D特征图，为最大池化2D特征图，表示逐元素相乘。

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太原理工大学，其通讯地址为：030024 山西省太原市万柏林区太原理工大学迎西校区；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”。