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！

龙图腾网获悉浙江理工大学申请的专利一种基于GCC-YOLOv8网络模型的导光板表面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：CN119540724B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411663183.5，技术领域涉及：G06V10/82；该发明授权一种基于GCC-YOLOv8网络模型的导光板表面缺陷检测方法是由刘存凌;李俊峰;彭硕;刘双宁设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种基于GCC-YOLOv8网络模型的导光板表面缺陷检测方法在说明书摘要公布了：本发明提供一种基于GCC‑YOLOv8网络模型的导光板表面缺陷检测方法，该方法包括以下步骤：获取待检测导光板的图像；将图像输入GCC‑YOLOv8网络模型进行缺陷检测；基于检测结果输出导光板的表面缺陷信息；其中，GCC‑YOLOv8网络模型基于YOLOv8网络模型构建，包括依次设置的骨干网络单元、颈部网络单元和具有三个并行的检测分支的检测头网络单元；骨干网络单元在其末端设有两个GKA‑C2f1模块；颈部网络单元包括FPN网络单元和PAN网络单元，FPN网络单元包括两个上采样模块、两个C2f2模块、两个Concat模块、一个SPPF模块和一个CPCA模块；PAN网络单元包括两个CBS模块、两个Concat模块、两个C2f2模块、三个CPCA模块、一个CFC模块和一个SFC模块。本发明具有较好的导光板表面缺陷检测性能和鲁棒性，并兼顾较佳的检测速度。

本发明授权一种基于GCC-YOLOv8网络模型的导光板表面缺陷检测方法在权利要求书中公布了：1.一种基于GCC‑YOLOv8网络模型的导光板表面缺陷检测方法，其特征在于：该方法包括以下步骤： 获取待检测导光板的图像； 将所述图像输入GCC‑YOLOv8网络模型进行缺陷检测； 基于所述GCC‑YOLOv8网络模型的检测结果输出所述导光板的表面缺陷信息； 其中，所述GCC‑YOLOv8网络模型基于YOLOv8网络模型构建，GCC‑YOLOv8网络模型包括依次设置的骨干网络单元、颈部网络单元和具有三个并行的检测分支的检测头网络单元； 所述骨干网络单元在其末端设有两个GKA‑C2f1模块，且两个GKA‑C2f1模块之间通过一个CBS模块连接，GKA‑C2f1模块由将C2f1模块中的多个瓶颈残差模块替换为GKA瓶颈残差模块而得，所述GKA瓶颈残差模块用于将输入特征分成两个分支，第一分支依次通过两个串联的GKA‑Conv模块进行特征变换，第二分支直接将输入特征传递，两个分支的输出特征进行逐元素相加后输出； 所述颈部网络单元包括FPN网络单元和PAN网络单元，所述FPN网络单元包括两个上采样模块、两个C2f2模块、两个Concat模块、一个SPPF模块和一个CPCA模块，所述CPCA模块用于将一个C2f2模块的输出特征在通道维度和空间维度上动态分配注意力权重后输出给一个上采样模块；所述PAN网络单元包括两个CBS模块、两个Concat模块、两个C2f2模块、三个CPCA模块、一个CFC模块和一个SFC模块，第一个CPCA模块用于将FPN网络单元末端的一个C2f2模块的输出特征在通道维度和空间维度上动态分配注意力权重后输出给一个CBS模块和SFC模块，SFC模块用于将输入进行空间特征校准后输出给一个检测分支，第二个CPCA模块用于将一个C2f2模块的输出特征在通道维度和空间维度上动态分配注意力权重后输出给一个CBS模块和另一个检测分支，第三个CPCA模块用于将一个C2f2模块的输出特征在通道维度和空间维度上动态分配注意力权重后输出给CFC模块，CFC模块用于将输入进行上下文特征校准后输出给又一个检测分支； 所述GKA‑Conv模块用于将输入特征分成两个分支，将第一分支的特征通过tanh激活函数映射到[‑1,1]后再进行Gram多项式变换获得四个包含不同信息的特征图，之后将其按通道维度叠加，然后依次进行SiLU激活函数操作和卷积操作，将第二分支的特征直接进行SiLU激活函数操作和卷积操作，两个分支的输出特征进行逐元素相加后输出； 所述CFC模块用于将输入特征分成两个分支，将第一分支的特征进行卷积操作和重塑操作，将第二分支的特征通过CPP模块获取多尺度上下文，然后分别通过两个卷积操作产生两种形式的上下文表示，第一种形式的上下文表示与第一分支的输出进行逐元素相乘后进行Softmax操作得到像素上下文相似度，将像素上下文相似度与第二种形式的上下文表示进行逐元素相乘后通过CRB模块进行语境重校准得到精细化语境，最后将精细化语境直接与CFC模块的输入特征进行逐元素相加后输出； 所述SFC模块用于将低分辨率特征Fl和高分辨率特征Fh分别通过两个卷积操作使其通道统一到相同数目，然后采用双线性插值法对Fl进行上采样，并级联上采样的Fl和Fh，之后将其送入卷积模块以预测两组偏移图用于对齐两个层级的特征，并预测两个门掩膜用于控制两个层级的特征信息流动，最后，校准的交叉级特征执行逐元素相加后输出； 所述CPCA模块用于将输入特征通过通道注意力模块处理得到一维通道注意力图，将一维通道注意力图与输入特征进行逐元素相乘后，沿空间维度传递通道注意力值得到通道注意力精细化的特征，再通过空间注意力模块处理得到三维空间注意力图，将三维空间注意力图与通道注意力精细化的特征逐元素相乘后输出； 所述PAN网络单元中，沿输入特征的处理方向，第一个CPCA模块、第一个CBS模块、第一个Concat模块、第一个C2f2模块、第二个CPCA模块、第二个CBS模块、第二个Concat模块、第二个C2f2模块和第三个CPCA模块依次连接。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街928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”。