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！

龙图腾网获悉泉州装备制造研究所申请的专利基于多尺度边缘增强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：CN120852428B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202511362845.X，技术领域涉及：G06T7/00；该发明授权基于多尺度边缘增强的钢材表面缺陷检测方法是由巢建树;孙泽佳;梁勇;朱智煌;高雨杰设计研发完成，并于2025-09-23向国家知识产权局提交的专利申请。

本基于多尺度边缘增强的钢材表面缺陷检测方法在说明书摘要公布了：本发明涉及钢材表面检测领域，具体涉及基于多尺度边缘增强的钢材表面缺陷检测方法，通过构建的缺陷检测模型进行钢材表面缺陷检测，所述缺陷检测模型通过如下步骤建立：构建MEF‑NET模型，该MEF‑NET模型是改进的YOLOv11网络模型，该MEF‑NET模型包括对输入图像进行特征提取的主干网络、对特征图进行多尺度特征提取与融合的颈部网络和对颈部网络提供的融合特征进行任务特定输出的头部网络，将原主干网络的C3k2模块替换为AHED模块、将SPPF模块替换为MD‑FPN模块，将C2PSA模块替换为C2BRT模块，将原YOLOv11网络模型的检测头替换为Ehead，本申请提出的MEF‑NET模型显着提高检测性能。

本发明授权基于多尺度边缘增强的钢材表面缺陷检测方法在权利要求书中公布了：1.基于多尺度边缘增强的钢材表面缺陷检测方法，其特征在于：通过构建的缺陷检测模型进行钢材表面缺陷检测，所述缺陷检测模型通过如下步骤建立： 构建MEF-NET模型，该MEF-NET模型是改进的YOLOv11网络模型，该MEF-NET模型包括对输入图像进行特征提取的主干网络、对特征图进行多尺度特征提取与融合的颈部网络和对颈部网络提供的融合特征进行任务特定输出的头部网络； 将原主干网络的C3k2模块替换为AHED模块、将SPPF模块替换为MD-FPN模块，将C2PSA模块替换为C2BRT模块； 该AHED模块通过多尺度自适应平均池化提取输入图像不同分辨率的全局特征，使用轻量边缘增强模块的边缘增强机制增强各全局特征的边缘，采用SSM和FSM组成的双域选择机制DDSM自适应地融合增强后的各全局特征； 还包括将原YOLOv11网络模型的检测头替换为Ehead，所述Ehead包括两个分支，其中一个分支采用EMA模块对输入图像进行全局依赖建模，采用两个逐层卷积模块对建模后的特征图依次进行边界位置的特征提取，采用第三卷积模块对提取的特征图进行四个方向的分布式回归输出，通过CIOU作为回归损失函数进行优化； 另一个分支采用EMA模块对输入图像进行全局依赖建模，依次采用深度可分离卷积模块、第四卷积模块、特征增强模块和第五卷积模块对建模后的特征图进行特征提取，通过第六卷积模块生成类别预测输出，并采用Sigmoid激活函数配合交叉熵损失进行目标分类训练； 该AHED模块包括两个分支，其中一个分支对输入特征进行卷积操作，获取第一特征； 另一个分支将输入特征并行地送入多个尺度上下文分支，每个尺度上下文分支通过自适应平均池化将输入的特征压缩到不同的空间尺度，压缩后的各特征依次经过通道降维和深度可分离卷积进行特征提取，对各提取的特征进行上采样操作，将上采样后的各特征输入所述轻量边缘增强模块中进行各全局特征的边缘增强，各个尺度的增强结果与所述第一特征进行通道维度拼接，获得融合特征图，双域选择机制DDSM将融合特征图进行重加权与优化选择，优化后的特征经过卷积操作压缩回原始通道数； 该MD-FPN模块通过1×1的压缩子块将输入特征的通道数映射至瓶颈通道，获取压缩特征，基于单个3×3卷积核的权重，以多个预设膨胀率对该压缩特征进行依次膨胀操作，获取多尺度上下文特征图； 将压缩特征及其各阶膨胀响应在通道维度上拼接，获得多尺度特征拼接特征，用一个1×1的投影块对该多尺度特征拼接特征依次进行线性混合、归一化与非线性激活。

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泉州装备制造研究所，其通讯地址为：362000 福建省泉州市台商投资区洛阳镇上浦村吉贝511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。