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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)申请的专利一种基于YOLOv7-ECD的钢材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：CN116468716B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310494058.5，技术领域涉及：G06T7/00；该发明授权一种基于YOLOv7-ECD的钢材表面缺陷检测方法是由闫蕊;张让勇;郭文杰;顾笑言;刘琦设计研发完成，并于2023-04-26向国家知识产权局提交的专利申请。

本一种基于YOLOv7-ECD的钢材表面缺陷检测方法在说明书摘要公布了：本发明属于目标检测的技术领域，提供了一种基于YOLOv7‑ECD的钢材表面缺陷检测方法，包括S1、构建数据集，并对数据集进行标签标注，将标注好的数据集按照7:3划分为训练集和验证集；S2、对划分好的训练集进行数据增强，得到待检测的钢材表面缺陷训练集；S3、构建YOLOv7‑ECD网络模型：采用改进后的EfficientNet‑B0网络架构作为YOLOv7‑ECD网络模型的主干特征提取网络；S4、将待检测的钢材表面缺陷训练集放入YOLOv7‑ECD网络模型中进行训练，得到最优模型；S5、训练完成，将验证集放入得到的最优模型中，检测钢材表面缺陷的类别及位置，得到识别结果。本发明解决了现有技术中难以适应不同尺度钢材表面缺特征地提取和分类，难以达到较高的检测精度的问题。

本发明授权一种基于YOLOv7-ECD的钢材表面缺陷检测方法在权利要求书中公布了：1.一种基于YOLOv7-ECD的钢材表面缺陷检测方法，其特征在于，包括； S1、获取钢材表面缺陷图像样本数据构建数据集，并对数据集进行标签标注，将标注好的数据集按照7:3划分为训练集和验证集； S2、使用Mosaic数据增强对划分好的训练集进行数据增强，得到待检测的钢材表面缺陷训练集； S3、构建YOLOv7-ECD网络模型：采用改进后的EfficientNet-B0网络架构作为YOLOv7-ECD网络模型的主干特征提取网络；所述改进后的EfficientNet-B0网络架构包括stem模块、连续堆叠的7个阶段的MBConv模块和SPPCSPC模块； S4、将待检测的钢材表面缺陷训练集放入YOLOv7-ECD网络模型中进行训练，得到最优模型； S5、训练完成，将验证集放入得到的最优模型中，检测钢材表面缺陷的类别及位置，得到识别结果； 所述MBConv模块包括MBConv1模块和MBConv6模块，所述改进后的EfficientNet-B0网络架构处理步骤如下： 第一步经过stem模块进行下采样； 第二步经过1个步长为1×1，卷积核大小为3×3的MBConv1模块； 第三步经过两个步长为2×2，卷积核大小为3×3的MBConv6模块进行下采样操作； 第四步经过两个步长为2×2，卷积核大小为5×5的MBConv6模块进行下采样操作； 第五步经过3个步长为2×2，卷积核大小为3×3的MBConv6模块进行下采样操作； 第六步经过3个步长为1×1，卷积核大小为5×5的MBConv6模块； 第七步经过4个步长为2×2，卷积核大小为5×5的MBConv6模块进行下采样操作； 第八步经过1个步长为1×1，卷积核大小为3×3的MBConv6模块； 第九步SPPCSPC模块通过5×5、9×9、13×13三个尺度的最大池化； 所述YOLOv7-ECD网络模型还包括Neck特征融合网络，在Neck特征融合网络中采用CARAFE上采样方式，所述Neck特征融合网络包括CBS卷积模块、ELAN-H模块、MPConv模块、RepConv模块；所述Neck特征融合网络具体处理步骤如下； 主干特征提取网络中第六步、第七步和第八步得到的特征图分别经过一个CBS卷积模块后得到特征图A3，特征图A2，特征图A1； 将特征图A1进行CARAFE上采样后与特征图A2进行拼接，拼接后经过ELAN-H模块得到特征图T1； 将特征图T1进行CARAFE上采样后与特征图A3进行拼接，拼接后经过ELAN-H模块得到特征图Q3； 将特征图Q3经过MPConv模块进行下采样后与特征图T1进行拼接，拼接后经过ELAN-H模块得到特征图Q2； 将特征图Q2经过MPConv模块进行下采样后与特征图A1进行拼接，拼接后经过ELAN-H模块得到特征图Q1； 将特征图Q3，特征图Q2，特征图Q1分别经过一个RepConv模块得到特征图P3，特征图P2，特征图P1； 所述YOLOv7-ECD网络模型还包括Head检测头，所述Head检测头包括3个Detect检测器，分别在3个Detect检测器前加入D_CBAM注意力模块；处理步骤如下： 将特征图P1，特征图P2，特征图P3作为输入，经过D_CBAM注意力模块得到具体的通道和空间注意力特征图R1、通道和空间注意力特征图R2、通道和空间注意力特征图R3；将通道和空间注意力特征图R1，通道和空间注意力特征图R2，通道和空间注意力特征图R3分别输入Detect检测器； 特征图R1，R2，R3经过Detect检测器的预测得到最终的检测结果； 所述D_CBAM注意力模块包括通道注意力模块和空间注意力模块两部分，所述D_CBAM注意力模块的处理步骤如下： 特征图P1对于通道注意力模块：首先通过最大池化得到特征图C1，通过平均池化得到特征图C2，然后将特征图C1和特征图C2送入共享多层感知机，得到特征图C3；再将特征图C3进行像素级的加和操作后，经过sigmoid激活函数，得到通道注意力特征图C4； 特征图P1对于空间注意力模块：首先沿着通道维度进行最大池化和平均池化，得到两个H×W×1特征图D1和D2，然后对特征图D1和D2通道级联得到特征图D3；将特征图D3经一个7×7卷积层降维至单通道得到特征图D4，最后特征图D4经sigmoid激活函数得到空间注意力特征图D5； 将输入特征图为P1经过SiLU激活函数得到特征图F1，将特征图F1与通道注意力模块得到的通道注意力特征图C4的对应元素相乘得到特征图F3；再将特征图F3与空间注意力模块得到的空间注意力特征图D5的对应元素相乘得到特征图F4，此时，特征图F4对应通道和空间注意力特征图R1； 然后将特征图P2，特征图P3使用D_CBAM注意力模块处理，分别得到通道和空间注意力特征图R2，通道和空间注意力特征图R3。

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山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)，其通讯地址为：250000 山东省济南市经十路东首科学院路19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。