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！

龙图腾网获悉长春大学申请的专利一种基于改进YOLOv10的PCB表面缺陷检测系统及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：CN120125585B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510611943.6，技术领域涉及：G06T7/00；该发明授权一种基于改进YOLOv10的PCB表面缺陷检测系统及方法是由杜钦生;沈超;张石岩;张宁博;杜佐盛;郭鑫;吴建雨;卞瀛绪设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本一种基于改进YOLOv10的PCB表面缺陷检测系统及方法在说明书摘要公布了：本发明属于图像数据处理领域，涉及一种基于改进YOLOv10的PCB表面缺陷检测系统及方法，该系统通过对YOLOv10网络模型进行改进得到，将模型的主干网络中的C2f模块替换为多尺度跨阶段融合模块，用于提取图像的深层特征，捕捉输入数据中的多尺度信息；在颈部网络中引入动态感知特征信息增强模块并应用在P4和P5特征图的处理中；替换YOLOv10网络模型的检测头为Lag模块，Lag模块通过分组归一化卷积模块进行通道调整，之后通过共享卷积组，共享卷积组输出的数据分配至定位卷积模块和分类卷积模块。该系统在复杂背景噪声干扰下，也可实现微小缺陷的检测，具有检测精度和效率高等优势。

本发明授权一种基于改进YOLOv10的PCB表面缺陷检测系统及方法在权利要求书中公布了：1.一种基于改进YOLOv10的PCB表面缺陷检测系统，其特征在于，所述系统采用的是训练好的ESL-YOLO检测模型，所述ESL-YOLO检测模型是通过对YOLOv10网络模型进行改进得到，将YOLOv10网络模型的主干网络中最后两个C2f模块替换为Esvg模块；在YOLOv10网络模型的颈部网络中，在多尺度特征融合的P4和P5特征图处理环节中引入Seop模块；替换YOLOv10网络模型的检测头为Lag模块； 其中，所述Esvg模块为多尺度跨阶段融合模块，用于提取图像的深层特征，捕捉输入数据中的多尺度信息，Esvg模块将数据分为两个分支，一个分支通过n个ESBlock模块提取图像多尺度特征，另一个分支保留原始特征，之后拼接原始特征和图像多尺度特征，最后通过卷积处理后输出；所述ESBlock模块采用多分支结构对输入特征图进行处理； 所述Seop模块为动态感知特征信息增强模块，将数据进行双路径处理，一路经平均池化层、卷积层、Softmax函数后输出；另一路经分组卷积模块对特征进行多分支细化处理后输出；最后，两路输出进行特征加权，输出加权后下采样的特征图； 所述Lag模块通过分组归一化卷积模块进行通道调整，之后通过共享卷积组，共享卷积组输出的数据分配至定位卷积模块和分类卷积模块；其中，定位卷积模块负责回归，分类卷积模块负责分类； 所述Esvg模块提取特征信息的方法为：通过使用1*1卷积将输入特征图的通道数i改变为指定的输出通道数m；然后，通过Split操作将输入分为两个通道数为0.5*m的分支；其中，第一个分支通过n个ESBlock模块提取图像多尺度特征，第二个分支保留原始特征；然后ESBlock模块经过n个连接与第二个分支拼接，得到通道数为n+2*0.5m的特征图，最后经过1*1卷积将通道数改变为m得到输出；所述ESBlock模块包括第一卷积层、第二卷积层；其中，所述第一卷积层采用3×3标准卷积进行处理，所述第二卷积层采用多尺度卷积模块； 所述Seop模块数据处理流程为：对输入特征x进行双路径处理，注意力分支采用3×3全局平均池化以保持空间尺寸，并通过1×1卷积调整通道数，使特征适应后续计算；随后，通过维度重组操作将bs,ch,2h,2w重新组织为bs,ch,h,w,4，即将2×2邻域映射到第五维度，形成四个候选下采样点；之后使用Softmax函数归一化，使四个候选点的权重总 和为1； GroupConv分支将特征图分成4个组，每个组使用3×3卷积进行2倍下采样，使特征图的尺寸减半，并扩展通道数至4倍；然后，通过维度重组操作将输出重塑为bs,ch,h,w,4，其中，bs为批量大小，ch为通道数，h为特征图的高度，w为特征图的宽度；即每个像素点对应四个候选特征图，并与注意力分支的权重矩阵进行乘积，实现特征加权；最终，通过sum函数沿第五维求和，输出精炼后的bs,ch,h,w维度特征； 所述共享卷积组包括两个3×3分组归一化卷积模块，Lag模块采用颈部网络中P3、P4、P5三个不同尺度的特征图作为输入，首先通过1×1分组归一化卷积模块进行通道调整；然后经过融合进入3×3分组归一化卷积模块，进一步提取空间信息，形成共享特征表示；随后，共享特征被再次传入3×3分组归一化卷积模块以强化特征表示，并被分配至定位卷积模块和分类卷积模块两个不同的任务分支中； 所述多尺度卷积模块的数据处理流程为：首先，通过Split操作将输入特征图按比例划分为三部分，其中50%的特征图直接保留作为主分支，25%的特征图通过3×3卷积层进行处理，剩余25%的特征图则通过5×5卷积层进行特征提取；随后，三个分支的输出特征图在通道维度上进行拼接，并通过1×1卷积进行特征融合； 所述分组卷积模块将特征图分成4个组，每个组独立进行3×3卷积操作，控制通道数ch=64，stride=2； 所述定位卷积模块和分类卷积模块采用1×1卷积，定位卷积模块的输出通过Scale函数进行尺度自适应校准。

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长春大学，其通讯地址为：130012 吉林省长春市朝阳区卫星路6543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”。