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！

龙图腾网获悉桂林电子科技大学申请的专利一种轻量化卫生用品缺陷检测的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：CN116403042B 。

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：202310368796.5，技术领域涉及：G06V10/764；该发明授权一种轻量化卫生用品缺陷检测的方法及装置是由石烈纯;杨辉华;杨牧;赵亮;赵文义;宋明望设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种轻量化卫生用品缺陷检测的方法及装置在说明书摘要公布了：本发明涉及轻量化卫生用品缺陷检测的方法，其方法包括：获取卫生用品的表面图像并输入到基于深度学习的轻量级的目标检测神经网络模型中，以对表面图像进行数据增强处理，进而获得初始的特征图，通过嵌有EVC模块的CSP模块对初始的特征图进行多尺度特征提取，通过FPV模块的特征金字塔法将不同尺度的特征图进行融合，通过PANet模块的路径聚合法将不同分辨率的特征图进行融合，通过CSConv模块的轻量级卷积操作对CSP模块、FPV模块和PANet模块的输出特征进行融合，以获得并输出最终的检测结果。本发明通过将GSConv和EVC模块融入到深度学习的目标检测神经网络模型中，提高目标检测的精度和效率，同时保持轻量化和快速的特性。

本发明授权一种轻量化卫生用品缺陷检测的方法及装置在权利要求书中公布了：1.一种轻量化卫生用品缺陷检测的方法，所述方法包括以下步骤： S110、获取卫生用品的表面图像并输入到基于深度学习的轻量级的目标检测神经网络模型中，以对表面图像进行数据预处理，进而获得初始的特征图； 其中，所述目标检测神经网络模型包括CSP模块、FPV模块、PANet模块和CSConv模块； S200、在骨干部分，通过嵌有EVC模块的所述CSP模块对初始的特征图进行多尺度特征提取； S300、通过所述FPV模块将不同尺度的特征图进行融合，通过所述PANet模块将不同分辨率的特征图进行融合； S400、通过所述CSConv模块的轻量级卷积操作对所述CSP模块、所述FPV模块和所述PANet模块的输出特征进行融合，以获得并输出最终的检测结果； 其中，所述EVC模块包括STEM块、MLP块和视觉中心机制；所述步骤S200包括： S310、通过所述STEM块对所述EVC模块的输入特征进行特征平滑处理；其中，所述STEM块包括一个7×7的第一卷积； S320、获取所述STEM块的输出特征，通过轻量级的所述MLP块捕获顶级特征的全局长期依赖关系，以获得全局信息； S330、获取所述STEM块的输出特征，通过可学习的所述视觉中心机制聚合层内局部区域特征，以获得局部信息； S340、将全局信息的结果特征图和局部信息的结果特征图沿通道维度连接在一起，以获得所述EVC模块的输出特征； 其中，所述MLP块与所述视觉中心机制并行连接； 其中，通过以下公式计算所述EVC模块的输出特征： X＝catMLPXin；LVCXin式中，X表示所述EVC模块的输出特征，Cat·表示沿通道维数的特征图拼接，MLPXin表示所述MLP块的特征输出，LVCXin表示所述视觉中心机制的输出特征，Xin表示所述STEM块的输出特征，其中，通过以下公式计算所述STEM块的输出特征： Xin＝σBNConv7×7X4式中，Conv7×7·表示步幅为1的7×7卷积函数，BN·表示批处理归一化函数，σ·表示ReLU激活函数； 其中，所述视觉中心机制包括卷积层组和CBR块，所述步骤S330包括： S331、通过所述卷积层组对所述STEM块的输出特征进行编码，其中，所述卷积层组包括1×1的第二卷积、3×3的第三卷积和1×1的第四卷积； S332、将编码后的特征输入到所述CBR块进行处理，其中，所述CBR块包括3BN层卷积和ReLU激活层； S333、将处理后的特征输入到码本中； 其中，所述视觉中心机制的输出特征通过所述STEM块的输出特征Xin和局部角区域特征Z之间进行通道加法获得，其计算如下： 式中，Z表示局部角区域特征；表示通道式的加法； 其中，所述局部角区域特征Z计算如下： 式中，Conv1x1表示1x1卷积函数，δ·是sigmoid函数，是通道的乘法，e表示整个图像关于K个码字的全部信息。

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桂林电子科技大学，其通讯地址为：541010 广西壮族自治区桂林市七星区金鸡路1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。