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！

龙图腾网获悉中国科学院沈阳计算技术研究所有限公司申请的专利一种基于STM R-CNN的金属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：CN116205832B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202111430299.0，技术领域涉及：G06F30/27；该发明授权一种基于STM R-CNN的金属表面缺陷检测方法是由王卫;张新凯;于波设计研发完成，并于2021-11-29向国家知识产权局提交的专利申请。

本一种基于STM R-CNN的金属表面缺陷检测方法在说明书摘要公布了：本发明提出了一种基于STMR‑CNN的金属表面缺陷检测方法，以SwinTransformer作为骨干特征提取网络，Mix‑FPN混合特征金字塔作为特征提取层，设计级联区域卷积神经网络框架的金属表面图像检测算法，将transformer结构应用于金属表面瑕疵检测领域，与单纯基于卷积网络的深度学习目标检测算法相比，能够达到更加精确的检测效果。首先，使用SwinTransformer作为骨干特征提取网络代替常规的残差网络结构，增强特征网络对隐含在图像中的深层语义信息的提取能力。然后设计Mix‑FPN混合特征金字塔网络，通过特征金字塔融合不同特征层信息，其次设计Multi‑stageR‑CNN级联结构：通过不同的IoU阈值使每个stage专注于检测特定范围内的RegionProposal。最后使用软性非极大值抑制Soft‑NMS和FP16混合精度训练优化提升模型性能。

本发明授权一种基于STM R-CNN的金属表面缺陷检测方法在权利要求书中公布了：1.一种基于STM R‑CNN的金属表面缺陷检测方法，其特征在于，包括以下步骤： S1、采集金属表面图像数据并数据增强、标签分类、建立带有分类标签的配对数据集； S2、建立STM R‑CNN的金属表面缺陷检测网络，包括以下4个网络模块：骨干特征提取网络模块，采用transformer运算单元对输入数据提取不同维度的特征；Mix‑FPN混合特征提取网络模块，对不同维度的特征图进行进一步的特征混合，获得增强特征；RPN网络模块，用于对增强特征进行迭代训练，输出感兴趣区域、缺陷边界预测框；Multi‑stage R‑CNN多级联检测网络模块，用于在RPN网络模块输出的感兴趣区域上，结合柔性非极大值抑制进行迭代训练，逐级进一步再输出缺陷边界预测框、预测分类标签； S3、实时采集金属表面图像数据，输入建立STM R‑CNN的金属表面缺陷检测网络，自动定位缺陷边界预测框和输出预测分类标签。

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中国科学院沈阳计算技术研究所有限公司，其通讯地址为：110168 辽宁省沈阳市东陵区南屏东路16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。