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！

龙图腾网获悉合肥综合性国家科学中心能源研究院(安徽省能源实验室)申请的专利一种具有多维可解释性的钢丝绳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：CN120047424B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202510179921.7，技术领域涉及：G06T7/00；该发明授权一种具有多维可解释性的钢丝绳缺陷检测方法是由王勇;吴海龙;季振山;许张后;刘少清设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种具有多维可解释性的钢丝绳缺陷检测方法在说明书摘要公布了：本发明涉及工业检测维护与深度学习技术领域，尤其涉及一种具有多维可解释性的钢丝绳缺陷检测方法，其技术方案包括钢丝绳断丝数据集制作、YOLOv8模型训练和预测和模型评估及优化。本发明通过将电磁信号转化为图像，运用YOLOv8深度学习模型进行钢丝绳断丝的训练及预测，同时采用多维可解释性技术从不同角度对模型开展可解释性分析，并提出量化模型可解释性强弱的指标，使得断丝表现更具象化、辨识度更高，模型检测速度快且无需复杂中间步骤，还能提高模型透明度，对指导模型优化和增加可信度具有重要作用。

本发明授权一种具有多维可解释性的钢丝绳缺陷检测方法在权利要求书中公布了：1.一种具有多维可解释性的钢丝绳缺陷检测方法，其特征在于，包括以下步骤： 钢丝绳断丝数据集制作：通过传感器采集钢丝绳的电磁信号，获取局部损伤和金属横截面积损失数据，结合局部损伤和金属横截面积损失数据人工标注钢丝绳断丝情况及类别，将固定距离的局部损伤和金属横截面积损失数据转化为图像数据并进行标注，制作成适用于YOLOv8模型的数据集格式； YOLOv8模型训练和预测：准备上述数据集，选用合适大小的YOLOv8模型，指定重要超参数后进行训练，依据训练后的评估指标对模型进行粗略评估，将训练好的模型用于全新数据集的预测并统计预测结果； 模型评估及优化：运用基于梯度的可视化解释技术和局部可解释性模型无关解释结合分析预测结果，基于梯度的可视化解释技术英文缩写为GradCAM++，局部可解释性模型无关解释的英文缩写为LIME，判断模型识别特征正确性；若正确则添加注意力机制判断特征全面性，计算相关可解释度指标；基于模型特征准确全面，判断模型准确率和速度是否达标，不达标则采取针对性措施； 运用GradCAM++和LIME结合分析预测结果时，具体通过获取GradCAM++关于预测结果的热力图以及LIME产生的图像中对模型起正向和负向影响的像素块，并依据公式： SLIME＝SLIME++SLIME-SLIME-≤0,SLIME+≥0 计算LIME的可解释性，其中SLIME代表LIME对模型可解释性的度量，SLIME+是LIME产生的图像中对模型决策起正向作用的像素块的面积，SLIME-是起负向影响的像素块的面积； 计算GradCAM++热力图在预测框中的面积与LIME在预测框中产生的起作用的区域面积的交并比作为可解释性度量，计算公式为： 其中，分子SCAM++∩SLIME是两个区域的交集面积，分母SCAM++∪SLIME是两个区域的并集面积；再通过公式： 得到预测框中的可解释度Y，其中Sbox是预测框面积； 考虑预测框外影响添加惩罚项L，计算公式为： 其中，φ是控制系数，CCAM++是预测框外的热力图所占面积，CLIME+和CLIME-分别是预测框外有正向和负向影响的像素块面积，S是预测图像的总面积，S-Sbox表示预测框外的图像面积，进而通过公式： P＝Y-LL≥0 计算得到模型实际可解释度P，其中Y是预测框可解释度，L是惩罚项； 添加注意力机制判断特征全面性时，通过公式： Pattention＝Pafter-Pbefore 计算注意力机制带来的可解释度贡献Pattention，其中Pbefore是添加注意力机制前模型的可解释度P，Pafter是添加注意力机制后模型的可解释度；再依据公式： Pinterpretability＝P+Pattention 计算得到模型对单个图片预测的可解释度Pinterpretability，其中P是模型实际可解释度，Pattention是注意力机制带来的可解释度贡献。

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合肥综合性国家科学中心能源研究院(安徽省能源实验室)，其通讯地址为：230031 安徽省合肥市庐阳区三国城路80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。