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！

龙图腾网获悉东北大学申请的专利一种面向螺旋钢管焊缝内部极小缺陷的细粒度分割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：CN119540257B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411608884.9，技术领域涉及：G06T7/11；该发明授权一种面向螺旋钢管焊缝内部极小缺陷的细粒度分割方法是由宋克臣;崔文琦;张宇;冯虎;颜云辉设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本一种面向螺旋钢管焊缝内部极小缺陷的细粒度分割方法在说明书摘要公布了：本发明提供一种面向螺旋钢管焊缝内部极小缺陷的细粒度分割方法，涉及基于机器视觉的无损检测技术领域。该方法在面对静态场景下螺旋钢管焊缝内部极小缺陷难以判别的情况下，构建细粒度极小缺陷分割网络模型，包括特征提取网络、语义判别编码器、对比转换机制、渐进迭代解码策略及若干个卷积模块，设计了一种语义判别体系结构，以语义为导向自适应初始化特征，缓解缺陷规模差异；引入对比转换机制对缺陷特征进行动态优化；最后，采用渐进迭代解码策略对融合后的特征图进行细粒度像素级分割。该方法在样本类别分布不平衡、极小缺陷分布密集、像素冗余和背景干扰等不利场景下仍能取得良好分割效果，并且有效提高了网络的分割性能。

本发明授权一种面向螺旋钢管焊缝内部极小缺陷的细粒度分割方法在权利要求书中公布了：1.一种面向螺旋钢管焊缝内部极小缺陷的细粒度分割方法，其特征在于：包括以下步骤： 步骤1：构建粒度螺旋钢管焊缝内部缺陷数据集，包括训练集和测试集；所述训练集和测试集均由原始焊缝缺陷图像和像素级分割标签组成，并以显著性检测像素级分割任务为基本数据单元； 步骤2：构建细粒度极小缺陷分割网络模型，所述细粒度极小缺陷分割网络模型由特征提取网络、语义线索生成器SCG、语义判别编码器SDE、对比转换机制CTM、渐进迭代解码策略PID及若干个卷积模块RBC组成； 所述特征提取网络分别提取原始焊缝缺陷图像的第1级、第2级、第3级和第4级特征图，并将提取到的原始焊缝缺陷图像的特征图馈入语义线索生成器SCG中用于得到全局语义线索Tscg； 所述语义线索生成器SCG包括第一密集感受野DRF单元、第一密集注意引导DAG、第二密集感受野DRF单元、第二密集注意引导DAG、第三密集感受野DRF单元、第三密集注意引导DAG、全局平均池化层和1*1卷积层；第一密集感受野DRF单元、第一密集注意引导DAG、第二密集感受野DRF单元、第二密集注意引导DAG、第三密集感受野DRF单元和第三密集注意引导DAG依次连接，全局平均池化层和1*1卷积层依次连接，二者再以并联的方式连接在一起，将提取到的原始焊缝缺陷图像的特征图馈入语义线索生成器SCG中用于得到全局语义线索Tscg； 所述对比转换机制CTM包括一组依次连接的3*3最大池化层、第一解耦机制和第一2倍上采样双线性插值层，以及一组依次连接的3*3平均池化层、第二解耦机制和第二2倍上采样双线性插值层，两组以并联的方式连接在一起，并通过一个卷积模块RBC进行融合；将多尺度输出依次经过3*3最大池化层、第一解耦机制和第一2倍上采样双线性插值层，得到第最大耦合平滑缺陷特征，同时将多尺度输出依次经过3*3平均池化层、第二解耦机制和第二2倍上采样双线性插值层，得到平均耦合平滑缺陷特征，进而将最大耦合平滑缺陷特征和平均耦合平滑缺陷特征通过卷积模块RBC进行融合，得到对比转换机制CTM的三个输出特征； 所述渐进迭代解码策略PID包括三个依次连接的跨尺度加权模块CSWM；所述跨尺度加权模块CSWM包括两组并列的空间注意力残差架构，以及两组并列的依次连接的卷积层和元素级乘法；所述空间注意力残差架构通过空间注意力SA、元素级乘法以及元素级加法实现，利用空间注意机制SA计算低级特征Flow和高级特征Fhigh，以低层级特征Flow和高层级特征Fhigh作为输入，对两种特征施加空间注意力，得到两种不同的注意图，将两种注意图分别与原低层级特征和高层级特征进行校准和残差连接获得交互的低级校验特征和高级校验特征将两组不同的空间注意力架构依次通过一个卷积模块RBC、3*3卷积层和一个Sigmoid激活函数产生加权信息Wmid，将交互的低级校验特征和高级校验特征分别与加权信息Wmid和1-Wmid相乘获得两组加权特征图，两组加权特征图根据通道维度进行拼接并与另一组空间注意力残差架构进行元素级乘法和元素级加法操作获得跨尺度加权模块CSWM的输出； 所述语义判别编码器SDE将特征提取网络提取的第2级、第3级和第4级特征图分别与全局语义线索Tscg在通道维度上进行连接，并分别应用3*3卷积层得到语义判别编码器SDE的三级输出，三级输出分别与三个对比转换机制CTM连接，得到三个对比转换机制CTM的输出，即多尺度输出，将多尺度输出和特征提取网络的一级输出整合后依次馈入渐进迭代解码策略PID，依次融合多尺度输出，得到最终的分割图； 步骤3：将训练集中的原始焊缝缺陷图像以及对应的像素级分割标签作为输入，训练细粒度极小缺陷分割网络模型，得到收敛的训练好的细粒度极小缺陷分割网络模型； 步骤4：将测试集中的测试图像作为缺陷样本输入收敛的训练好的细粒度极小缺陷分割网络模型，经过计算获得测试集分割图，得到测试集中每个测试图像对应的缺陷的准确位置和大小。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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”。

以上内容由龙图腾AI智能生成。