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！

龙图腾网获悉湘江实验室申请的专利基于轻量级分割模型的焊缝结构光图像分割方法及装置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：CN120783060B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511285573.8，技术领域涉及：G06V10/26；该发明授权基于轻量级分割模型的焊缝结构光图像分割方法及装置是由谭平;徐霆宇;周开军;王海军;申毅设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本基于轻量级分割模型的焊缝结构光图像分割方法及装置在说明书摘要公布了：本申请公开了一种基于轻量级分割模型的焊缝结构光图像分割方法及装置，涉及图像处理技术领域，所述方法包括：根据第一卷积块、第一多频域多层感知器模块以及显著性引导下采样层构建编码器；根据第二多频域多层感知器模块、第二卷积块以及边缘感知上采样层构建解码器；根据编码器、跳连接路径、解码器以及一维卷积轻量门控构建初始图像分割模型；使用标注后的焊缝结构光图像数据集对初始图像分割模型进行训练和验证，得到目标图像分割模型；通过目标分割模型对待分割焊缝结构光图像进行特征提取、下采样、上采样以及特征融合，得到分割结果图。本申请不仅提升了焊缝结构光图像分割的精度与效率，还通过轻量化的设计降低了模型的部署成本。

本发明授权基于轻量级分割模型的焊缝结构光图像分割方法及装置在权利要求书中公布了：1.一种基于轻量级分割模型的焊缝结构光图像分割方法，其特征在于，所述方法包括： 根据第一卷积块、第一多频域多层感知器模块以及显著性引导下采样层构建编码器； 根据第二多频域多层感知器模块、第二卷积块以及边缘感知上采样层构建解码器； 根据所述编码器、跳连接路径、所述解码器以及一维卷积轻量门控构建初始多频边缘轻量级图像分割模型； 使用标注后的焊缝结构光图像数据集对所述初始多频边缘轻量级图像分割模型进行训练和验证，得到目标多频边缘轻量级图像分割模型； 通过所述目标多频边缘轻量级图像分割模型对待分割焊缝结构光图像进行特征提取、下采样、上采样以及特征融合，得到分割结果图； 所述目标多频边缘轻量级图像分割模型包括编码器、解码器、跳连接路径以及一维卷积轻量门控模块； 所述通过所述目标多频边缘轻量级图像分割模型对待分割焊缝结构光图像进行特征提取、下采样、上采样以及特征融合，得到分割结果图的步骤包括： 通过所述编码器对待分割焊缝结构光图像进行卷积、特征提取以及下采样，得到分层特征图； 根据所述跳连接路径将所述分层特征图输入所述一维卷积轻量门控模块，得到跳接特征图； 通过所述解码器的边缘感知上采样层对所述分层特征图中的下采样特征图进行方向加权插值，得到上采样特征图； 通过所述一维卷积轻量门控模块对所述上采样特征图与所述跳接特征图进行融合，得到融合特征图； 通过所述解码器的第二多频域多层感知器模块和第二卷积块对所述融合特征图进行空间信息重建，得到分割结果图； 所述编码器包括第一卷积块、第一多频域多层感知器模块以及显著性引导下采样层，所述分层特征图包括初级特征图、多频特征图以及下采样特征图； 所述通过所述编码器对待分割焊缝结构光图像进行卷积、特征提取以及下采样，得到分层特征图的步骤包括： 通过所述第一卷积块对待分割焊缝结构光图像进行二维卷积、归一化及非线性激活，得到初级特征图； 通过所述第一多频域多层感知器模块对所述初级特征图进行离散余弦变换分解和频率自适应特征提取，得到多频特征图； 通过所述显著性引导下采样层对所述多频特征图进行关键区域检测和自适应池化，得到下采样特征图； 所述第一多频域多层感知器模块包括离散余弦变换模块、高频处理单元、中频处理单元以及低频处理单元； 所述通过所述第一多频域多层感知器模块对所述初级特征图进行离散余弦变换分解和频率自适应特征提取，得到多频特征图的步骤包括： 通过所述离散余弦变换模块对所述初级特征图进行离散余弦变换分解，得到高频分量、中频分量以及低频分量； 通过所述高频处理单元对所述高频分量进行方向自适应旋转卷积，得到方向敏感特征； 通过所述中频处理单元对所述中频分量进行非线性跨通道空间卷积，得到通道交互特征； 通过所述低频处理单元对所述低频分量进行多方向移位卷积，得到多尺度结构特征； 将所述方向敏感特征、所述通道交互特征及所述多尺度结构特征沿通道维度融合，得到多频融合特征图。

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湘江实验室，其通讯地址为：410000 湖南省长沙市高新区尖山路217号北斗产业园1栋；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。