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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)申请的专利一种基于MSTA-YOLOv5的轻量化齿轮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：CN115953386B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310056291.5，技术领域涉及：G06T7/00；该发明授权一种基于MSTA-YOLOv5的轻量化齿轮表面缺陷检测方法是由闫蕊;张让勇;刘琦;顾笑言;郭文杰设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本一种基于MSTA-YOLOv5的轻量化齿轮表面缺陷检测方法在说明书摘要公布了：本发明涉及产品缺陷检测技术领域，公开了一种基于MSTA‑YOLOv5的轻量化齿轮表面缺陷检测方法，包括以下步骤：首先获取齿轮表面缺陷图像，并对所述的图像进行标注和划分，构建齿轮表面缺陷数据集；然后构建MSTA‑YOLOv5检测模型，基于齿轮表面缺陷数据集对MSTA‑YOLOv5检测模型进行训练；最后将待检测的齿轮缺陷图像送入训练好的MSTA‑YOLOv5检测模型，获取检测齿轮的缺陷类型。本发明解决了计算资源需求太大、内存消耗严重使得成本较高、企业需要低延迟模型并且移动设备终端需要既快又准确的小模型问题，实现了齿轮表面缺陷的检测与自动分拣，能够实现齿轮表面缺陷检测的检测效率提高。

本发明授权一种基于MSTA-YOLOv5的轻量化齿轮表面缺陷检测方法在权利要求书中公布了：1.一种基于MSTA-YOLOv5的轻量化齿轮表面缺陷检测方法，其特征在于，包括以下步骤：首先获取齿轮表面缺陷图像，并对所述的图像进行标注和划分，构建齿轮表面缺陷数据集；然后构建MSTA-YOLOv5检测模型，基于齿轮表面缺陷数据集对MSTA-YOLOv5检测模型进行训练；最后将待检测的齿轮缺陷图像送入训练好的MSTA-YOLOv5检测模型，获取检测齿轮的缺陷类型； 所述的MSTA-YOLOv5检测模型的包括： 输入部分：将齿轮表面缺陷图像输入MSTA-YOLOv5网络，进行自适应锚框计算和Mosaic9数据增强； 骨干部分：特征提取主干网络采用ShuffleNetv2架构，包括依次连接的CBRM操作、第一下采样层、第二卷积归一化层、第二下采样层、第三卷积归一化层、第三下采样层、第四卷积归一化层；经过下采样层处理后的齿轮表面缺陷图像利用1*1卷积进行特征提取之后得到的3个齿轮表面缺陷特征图分别记为S2,S3,S4； 颈部部分：颈部Neck结构采用FPN+PAN，FPN层自顶向下传递强语义信息，S4经过3*3卷积，得到特征图记为Q4，Q4经过转置卷积上采样后与S3相连接，再经过3*3卷积，得到特征图记为Q3；Q3经过转置卷积上采样后与S2相连接，再经过3*3的卷积，得到的特征图记为Q2； PAN自底向上传递强定位信息，特征图Q2作为底层特征R2，R2经过下采样后，与Q3相连接，得到特征图记为R3；R3经过下采样后与Q4相连接，得到的特征图记为R4；R2、R3、R4分别经过3*3的卷积，得到特征图T2、T3、T4； 在颈部Neck结构的后3个C3模块之后分别集成一个AMECA注意力模块，分别将特征图T2、T3、T4作为原始输入特征图，分别经过全局平均池化模块与全局最大池化模块，并将得到的两个特征图进行相加，压缩空间信息，随后使用1*1卷积学习通道注意力信息，得到的通道注意力信息与原始输入特征图结合，最终得到具体的通道注意力特征图D1、D2、D3； 输出部分：将特征图D1、D2、D3分别输入YOLOv5-MSTA检测头网络，最终得到检测结果； 所述的CBRM操作包括Conv、BN、ReLU和MaxPool。

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山东省计算中心(国家超级计算济南中心);齐鲁工业大学(山东省科学院)，其通讯地址为：250000 山东省济南市经十路东首科学院路19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。