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！

龙图腾网获悉昆明理工大学申请的专利一种轻量级的轨道表面缺陷实时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：CN119313663B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202411849264.4，技术领域涉及：G06F17/00；该发明授权一种轻量级的轨道表面缺陷实时检测方法及装置是由瞿丽春;沈世全;徐赞;陈先智;王谊;何华凤;徐代明;杨伟伟;付新男;李明辉设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种轻量级的轨道表面缺陷实时检测方法及装置在说明书摘要公布了：本发明中公开了一种轻量级的轨道表面缺陷实时检测方法及装置，涉及图像数据处理技术领域，通过优化模型结构和训练策略，提高轨道缺陷检测的检测精度和检测效率。该方法包括：使用轨道图像的数据集对T‑YOLOv8教师模型进行预训练；T‑YOLOv8教师模型是以原YOLOv8模型为基础，在主干网络中引入NEW‑IAT模块，将颈部网络替换为CBAM‑C2f模块后得到；使用训练好的T‑YOLOv8教师模型对轻量级S‑YOLOv8学生模型进行蒸馏训练，并对训练后的轻量级S‑YOLOv8学生模型进行优化和验证；轻量级S‑YOLOv8学生模型是以原YOLOv8模型为基础，保留SPPF层，将主干网络其余部分替换为轻量级的新主干网络，轻量级的新主干网络包括HGStem、Light_HGBlock和DWConv三种模块；使用优化后的轻量级S‑YOLOv8学生模型对轨道表面缺陷进行实时检测得到轨道缺陷信息。

本发明授权一种轻量级的轨道表面缺陷实时检测方法及装置在权利要求书中公布了：1.一种轻量级的轨道表面缺陷实时检测方法，其特征在于，包括： S1、获取轨道图像形成数据集，数据集被划分为训练集、测试集、验证集； S2、使用数据集对T-YOLOv8教师模型进行预训练； 其中，T-YOLOv8教师模型是以原YOLOv8模型为基础，在主干网络中引入NEW-IAT模块，将颈部网络中C2f模块替换为CBAM-C2f模块后得到； S3、使用训练好的T-YOLOv8教师模型对轻量级S-YOLOv8学生模型进行蒸馏训练，并对训练后的轻量级S-YOLOv8学生模型进行优化和验证； 其中，轻量级S-YOLOv8学生模型是以原YOLOv8模型为基础，保留SPPF层并将YOLOv8的原主干网络替换为轻量级的新主干网络，轻量级的新主干网络包括HGStem模块、Light_HGBlock模块和DWConv模块； S4、使用优化后的轻量级S-YOLOv8学生模型对轨道表面缺陷进行实时检测得到轨道缺陷信息并显示； 所述NEW-IAT模块包括第一支路和第二支路，第一支路包括膨胀卷积层和PEM模块，第二支路包括膨胀卷积层和改进的GPM模块，改进的GPM模块使用多头注意力机制替换原来的交叉注意力机制，其中PEM模块用于增强局部特征细节，改进的GPM模块用于生成全局调整参数； CBAM-C2f模块包括膨胀卷积层、通道注意力模块和空间注意力模块，其结构及特征提取过程为：图像输入首先经过一个1x1的膨胀卷积层生成特征图；接着通过二分支结构将特征图分为两部分：第一部分直接传递，第二部分经过若干个3x3的膨胀卷积层进行特征提取，两部分特征随后在通道维度上拼接，得到新的特征图；拼接后新的特征图进入CBAM模块，首先通过通道注意力模块对其进行通道维度的加权，然后通过空间注意力模块进行空间维度的加权，得到增强后的特征图，最后，增强后的特征图经过一个1x1的卷积层，输出最终的特征图； 在S2中，对T-YOLOv8教师模型进行预训练的具体步骤包括： S2.1、使用NEW-IAT模块对图像进行暗光增强或曝光纠正处理； S2.2、使用CBAM-C2f模块对S2.1中处理后的图像进行特征提取处理； S2.3、将提取到的图像特征输入T-YOLOv8教师模型中的预测头中，生成目标检测的最终预测结果； 在S3中，蒸馏训练的具体步骤包括： S3.1、基于分类损失、定位损失和蒸馏损失设计得到蒸馏损失函数； S3.2、在蒸馏训练过程中，以轨道图像为输入，通过调整蒸馏损失函数中的权重进行迭代训练，直到迭代次数满足阈值时完成训练。

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昆明理工大学，其通讯地址为：650093 云南省昆明市一二一大街文昌路68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”。