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！

龙图腾网获悉湖南工业大学申请的专利一种用于轮对踏面缺陷识别的图像交互融合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：CN116012687B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202310101570.9，技术领域涉及：G06V10/80；该发明授权一种用于轮对踏面缺陷识别的图像交互融合方法是由刘建华;杨皓楠;何静;张昌凡;李哲姝;王忠美;贾林;黄刚设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本一种用于轮对踏面缺陷识别的图像交互融合方法在说明书摘要公布了：本发明公开了一种用于轮对踏面缺陷识别的图像交互融合方法，所述方法主体包含有五个阶段，分别为数据采集与处理阶段、多尺度交互注意特征提取阶段、约束耦合解码阶段、融合推断阶段以及结果展示阶段；其多尺度交互注意特征提取阶段中运用的自适应混合交互注意模块，利于进行模型目标形状的区分，其多尺度交互注意特征提取阶段中运用的多尺度稀疏特征提取模块，利于进行提取特征时尺度的区分；其设计的约束耦合解码阶段，该阶段将一致性损失和重构损失引入模态解码器中，提高了模型识别的精度；综上所述，本发明解决了提取特征时目标形状和尺度难以区分的问题，模型识别精度高。

本发明授权一种用于轮对踏面缺陷识别的图像交互融合方法在权利要求书中公布了：1.一种用于轮对踏面缺陷识别的图像交互融合方法，其特征在于，所述方法主体包含有五个阶段，分别为数据采集与处理阶段、多尺度交互注意特征提取阶段、约束耦合解码阶段、融合推断阶段以及结果展示阶段； 所述方法的步骤如下： S1、数据采集与处理阶段：现场采集轮对踏面缺陷的RGB图像样本，采用泊松编码器对原始RGB图像样本进行编码得到泊松模态POS图像用于图像融合； S2、多尺度交互注意特征提取阶段： S2.1、将融合了RGB和泊松图像的预训练轻量化网络Mobilenetv2作为模型主干网络，提取步骤S1中分别采集RGB图像和泊松模态图像的模态的底层特征，设输入特征映射xm∈RH×W×C为m模态输入图像，则其最终编码特征如下： hm＝Mobilemxm,m∈{r,p} 其特征映射xm∈RH×W×C式中的H、W、C表示为输入图像的长、宽、通道数，式中其中的H1、W1、C1又分别表示特征图的长、宽、通道数，Mobilem分别表示m模态的编码特征、Mobilenetv2网络； S2.2、采用多尺度稀疏特征提取模块DGASPP用于对底层特征的多尺度特征提取，多尺度稀疏特征提取模块DGASPP对两个模态的编码特征hm进行多尺度特征提取，提取公式为： 式中DGASPPm分别表示m模态的多尺度编码特征、DGASPP模块； S2.3、运用自适应混合交互注意模块AHMA模块来提取底层特征中具有交互信息的空间通道注意特征，用以解决图像样本中缺陷形状差异小的问题，采用AHMA模块来提取具有交互信息的空间通道注意特征的公式： mr,mp＝AHMAsr,sp 式中，分别表示两个模态的注意加权特征；AHMA为自适应混合交互注意模块； S3、约束耦合解码阶段：启用约束耦合解码模块，运用模态解码器解码步骤 S2.2中多尺度交互注意特征提取模块中提取的特征，模态解码器中采用改进的编码解码结构的网络Deeplabv3，对解码部分进行改进过程如下： S3.1、添加额外的特征拼接卷积CConv、捷径卷积SConv，用以在更多尺度上获取的解码特征； S3.2、在不同模态的解码特征间添加一致性约束损失，捕获解码特征中的交互特征； S3.3、在输入图像和重构图像间增加重构损失，提取形状特征； S3.4、构建由任务损失、一致性损失、重构损失组成总目标损失函数，指导网络学习相关特征，所述总目标损失函数的公式为： Ltotal＝μLtask+1-μLconsis+Lrecon 式中：μ为损失函数调剂因子，Ltask为任务损失函数，Lconsis为一致性损失函数，Lrecon为重构损失函数； S4、融合推断阶段：采用全局平均池化和多层感知机来对交互注意特征进行融合推断，其融合推断公式为： 式中，P表示融合推断输出，MLP表示多层感知机，avg表示平均池化操作，⊕表示通道拼接操作； S5、结果展示阶段：展示部分测试集图像样本的各类别得分以及所属类别。

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湖南工业大学，其通讯地址为：412000 湖南省株洲市天元区泰山路88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。