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！

龙图腾网获悉佛山大学申请的专利多尺度微小缺陷的快速检测方法、计算机设备及存储介质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：CN119810430B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510309460.0，技术领域涉及：G06V10/25；该发明授权多尺度微小缺陷的快速检测方法、计算机设备及存储介质是由张云志;童豪;卢清华;陈明猷;陈力哲;罗陆锋;朱文博设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本多尺度微小缺陷的快速检测方法、计算机设备及存储介质在说明书摘要公布了：本发明公开了多尺度微小缺陷的快速检测方法、计算机设备及存储介质，涉及图像处理技术领域，该方法包括：采集电路板的图像并进行预处理，以获得图像检测数据；将所述图像检测数据输入至预先搭建好的缺陷检测模型中，以获得缺陷检测结果；其中，所述缺陷检测模型是基于改进的YOLOv8网络结构搭建而成的，所述改进的YOLOv8网络结构包括小目标增强的主干网络、基于DCMAC‑PAN结构的颈部网络和目标检测网络。本发明能快速并准确地检测出电路板上的多尺度微小缺陷，检测效率及检测准确高。

本发明授权多尺度微小缺陷的快速检测方法、计算机设备及存储介质在权利要求书中公布了：1.一种多尺度微小缺陷的快速检测方法，其特征在于，包括： 采集电路板的图像并进行预处理，以获得图像检测数据； 将所述图像检测数据输入至预先搭建好的缺陷检测模型中，以获得缺陷检测结果； 其中，所述缺陷检测模型是基于改进的YOLOv8网络结构搭建而成的，所述改进的YOLOv8网络结构包括小目标增强的主干网络、基于DCMAC-PAN结构的颈部网络和目标检测网络，所述缺陷检测模型的训练步骤包括： 对获取图像数据集进行离线数据增强，以获得图像训练数据集； 通过小目标增强的主干网络对所述图像训练数据集进行不同层级的特征提取并保留小目标的特征数据，以获得不同层级的特征图； 通过DAttention模块增强所述特征图中的多尺度特征数据的融合，其中，DAttention模块设置在所述主干网络的尾端； 通过基于DCMAC-PAN结构的颈部网络对所述特征图中的上下文信息进行增强提取并促进不同层级的特征图进行融合，以生成多尺度特征的特征图； 通过目标检测网络对多尺度特征的特征图进行预测处理，以获得相应的预测框； 通过Wise-GIoU损失函数动态调整预测框的位置及大小，以获得最优的预测框从而完成模型的训练； 其中，所述基于DCMAC-PAN结构的颈部网络的改进步骤包括： 在原颈部网络中采用DCMAC-PAN结构替换原始结构，以增强提取所述特征图中的上下文信息，并整合不同尺度的特征数据； 其中，在所述DCMAC-PAN结构中采用DySample模块替换原上采样模块，以保留更多的小目标或更细粒度的特征数据； 所述DCMAC-PAN结构包括依序连接的第一CA模块、第一Conv2d模块、第一DySample模块、第二DySample模块、第一特征融合模块、第二Conv2d模块、第三Conv2d模块和第二特征融合模块； 其中，所述第一Conv2d模块还与第二特征融合模块连接，所述第二Conv2d模块还与第三特征融合模块连接，所述第一DySample模块还经第四特征融合模块与第三特征融合模块连接；小目标增强的主干网络输出的不同层级的特征图分别经第一CA模块、第四特征融合模块和第一特征融合模块输入至所述DCMAC-PAN结构中，所述第一特征融合模块、第二特征融合模块和第三特征融合模块分别将不同层级的特征图进行融合并输出相应的多尺度特征的特征图至目标检测网络中； 所述第一特征融合模块、第二特征融合模块、第三特征融合模块和第四特征融合模块均为CMAC模块，所述CMAC模块包括第二CA模块、第三CA模块、Conv2d模块、Multiply模块、Add模块和C2F模块，第二CA模块经Conv2d模块与Multiply模块连接，第三CA模块与Multiply模块连接，第二CA模块和第三CA模块分别用于接收不同层级的特征图，所述Multiply模块经Add模块与C2F模块连接，所述C2F模块用于融合不同层级的特征图并输出融合结果。

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佛山大学，其通讯地址为：528200 广东省佛山市南海区狮山镇广云路33号佛山大学仙溪校区；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。