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！

龙图腾网获悉蚌埠学院申请的专利一种电机磁瓦表面缺陷检测方法及系统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：CN120298827B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202510419027.2，技术领域涉及：G06V10/774；该发明授权一种电机磁瓦表面缺陷检测方法及系统是由马程;潘玉荣;陈俊夫设计研发完成，并于2025-04-03向国家知识产权局提交的专利申请。

本一种电机磁瓦表面缺陷检测方法及系统在说明书摘要公布了：本发明提供了一种电机磁瓦表面缺陷检测方法及系统，属于缺陷检测领域，包括获取电机磁瓦表面图像数据；根据不同样本问题，构建电机磁瓦表面图像增强模型对所述磁瓦表面图像数据进行增强，得到增强后的样本数据集；在原始YOLOv8n模型的Backbone部分引入混合卷积模块ADconv，替换原模型CSP中的普通卷积conv，在Neck部分引入混合注意力模块HAM，引入代价敏感因素和优化损失函数Focal‑EIOU，得到改进的YOLOv8n模型；利用增强后的样本数据集对改进的YOLOv8n模型进行训练，得到电机磁瓦表面缺陷检测模型；根据电机磁瓦表面缺陷检测模型处理电机磁瓦图像，得到电机磁瓦表面缺陷检测结果。提高电机磁瓦缺陷检测准确度和效率，满足工业质量检测的生产需求。

本发明授权一种电机磁瓦表面缺陷检测方法及系统在权利要求书中公布了：1.一种电机磁瓦表面缺陷检测方法，其特征在于，包括以下步骤： 获取电机磁瓦表面图像数据，利用电机磁瓦表面图像增强模型对所述电机磁瓦表面图像数据进行增强，得到增强后的样本数据集； 在原始YOLOv8n模型的Backbone部分引入混合卷积模块ADconv，替换原模型CSP中的普通卷积conv，在Neck部分引入混合注意力模块HAM，在目标函数中引入代价敏感因素和优化损失函数Focal-EIOU，得到改进的YOLOv8n模型；利用所述增强后的样本数据集对改进的YOLOv8n模型进行训练，得到电机磁瓦表面缺陷检测模型；其中，所述混合卷积模块利用空洞卷积进行处理输入图像，引入空洞参数K获取多尺度的信息，再通过深度可分离卷积进一步获取图像细节特征；所述混合注意力模块，采用空间注意力与通道注意力并行的结构，所述通道注意力对通道进行特征学习，对HxWxC维度的输入特征图的每个通道进行全局平均池化，再池化后的特征压缩为一维向量1x1xC，通过1x1卷积将通道缩放n倍，学习特征通道间的相关性，进行ReLU激活，通过1x1卷积将通道恢复，使用激活函数Sigmoid处理，得到通道注意力权重矩阵；所述空间注意力对HxWxC维度的输入特征图进行通道维度的全局最大池化和全局平均池化，得到两个H×W×1的特征图，将所述两个H×W×1的特征图按照通道拼接，得到维度为HxWx2的特征图，对所述HxWx2的特征图进行7x7卷积操作，得到维度为HxWx1的特征图，通过Sigmoid激活函数，得到空间注意力权重矩阵； 获取电机磁瓦图像输入所述电机磁瓦表面缺陷检测模型中，通过Backbone部分进行特征提取，ADconv模块捕捉结构特征信息，得到特征图；将所述特征图输入Neck部分，混合注意力模块HAM对通道注意力及空间注意力两个维度进行分析，将Neck部分处理后的图像输入Head部分，得到电机磁瓦表面缺陷检测结果。

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蚌埠学院，其通讯地址为：233000 安徽省蚌埠市曹山路1866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。