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！

龙图腾网获悉中国民用航空飞行学院申请的专利一种飞机铆钉缺陷视距自适应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：CN120655612B 。

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：202510769444.X，技术领域涉及：G06T7/00；该发明授权一种飞机铆钉缺陷视距自适应检测方法是由夏正洪;袁江;钟吉飞;杨磊;康瑞;张军;黄明泽;卢姿辰设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本一种飞机铆钉缺陷视距自适应检测方法在说明书摘要公布了：本发明涉及目标检测技术领域，公开了一种飞机铆钉缺陷视距自适应检测方法。首先采集不同检测距离条件下的飞机铆钉缺陷图像数据集，并对其进行预处理；然后对预处理后的图像数据进行标注，并存储为YOLO格式，得到飞机铆钉视距自适应检测数据集，再将其划分为训练集、验证集和测试集；对YOLOv11n模型的颈部网络和检测头进行改进，构建飞机铆钉缺陷视距自适应算法，结合迁移训练和冻结训练方式指导模型训练，得到训练好的AeroScope‑YOLOv11n飞机铆钉缺陷视距自适应检测模型，并检测待检图像，得到飞机铆钉缺陷视距自适应检测结果。本发明实现了对飞机表面铆钉缺陷的高效、精准、全自动化的检测，同时避免因检测距离变化导致检测结果不稳定的问题。

本发明授权一种飞机铆钉缺陷视距自适应检测方法在权利要求书中公布了：1.一种飞机铆钉缺陷视距自适应检测方法，其特征在于，包括以下步骤： 步骤1：采集不同检测距离条件下的关于飞机铆钉缺陷的图像数据集，并对原始图像数据集进行预处理； 步骤2：对预处理后的图像数据进行系统化标注，并存储为YOLO格式，得到飞机铆钉视距自适应检测数据集； 步骤3：将所述飞机铆钉视距自适应检测数据集划分为训练集、验证集和测试集，并确保各检测距离区间样本分布均衡； 步骤4：对YOLOv11n模型的颈部网络和检测头进行改进： 所述颈部网络采用Dysample动态上采样策略，通过距离卷积核形变映射函数，在近距离检测时保持高分辨率细节特征，在远距离检测时增强语义信息传递； 所述检测头采用FASSHead特征聚合检测头，通过解耦结构构建层级化特征组与自适应特征金字塔融合模块，提升模型在距离变化时铆钉的检测精度； 通过融合迁移训练与冻结训练策略构建飞机铆钉缺陷视距自适应算法，最终得到训练好的AeroScope-YOLOv11n飞机铆钉缺陷视距自适应检测模型； 步骤5：利用训练好的AeroScope-YOLOv11n飞机铆钉缺陷视距自适应检测模型检测待检图像，得到飞机铆钉缺陷视距自适应检测结果； 所述步骤4中具体包括： 步骤4.1：基于YOLOv11n骨干网络加载通用数据集预训练权重作为初始化参数，保留包括边缘和纹理的通用特征提取能力；也即结合迁移训练将预训练的YOLOv11模型作为基础模型，将已学到的知识迁移到飞机铆钉缺陷检测任务上；随后针对飞机铆钉缺陷数据集进行训练，将YOLOv11n骨干网络前几层冻结； 步骤4.2：对冻结参数后的YOLOv11n模型的骨干网络、颈部网络和解耦检测头分别进行结构优化与功能构建； 步骤4.3：进一步对颈部网络进行改进，构建DySample动态上采样策略，设计距离卷积核形变映射函数： ； 其中，i，j为输入特征图，s为缩放因子；为原始规则采样网格坐标；和分别表示原图高度和宽度； 在近距离检测时保持高分辨率细节特征具体为：当距离信号D小于设定的阈值时，检测模式时的形变映射函数通过参数调节，生成微小尺度的卷积核偏移量，偏移量约束使形变后的卷积核采样范围高度收敛于目标像素的局部邻域； 在远距离检测时增强语义信息传递具体为：当距离信号D大于设定的阈值时，检测模式时的形变映射函数动态调整参数配置，驱动卷积核采样点产生大尺度空间偏移；突破传统卷积的局部邻域限制，促使卷积核采样范围扩展至包含语义相关的上下文区域，构建起多尺度特征融合网络； 在未应用任何偏移前，采样网格中的原始网格G∈R2×sH×sW的坐标定义如下式所示： ； 其中，S为动态采样网格；O为位移量；为动态采样网格中的坐标；为原始规则采样网格中第行第列点的横坐标；为表示在轴方向上的偏移量；为原始规则采样网格中第行第列点的纵坐标；表示在轴方向上的偏移量； 位移量O根据静态和动态因子调控，并叠加到原始网格G上，生成适应性更强的动态采样网格S； 步骤4.4：进一步对解耦检测头进行构建，构建FASSHead特征聚合检测头，包括解耦结构构建层级化特征组与自适应特征金字塔融合模块； 在多尺度特征融合架构中，特征图通过动态权重分配与维度对齐机制，生成具有层级结构的融合特征组HMF-1、HMF-2和HMF-3，各融合特征组均包括D-1、D-2、D-3层特征； 在自适应特征金字塔融合模块中，对于融合特征组HMF-3，将来自D-1、D-2、D-3层的特征f1、f2、f3，进行加权求和生成最终融合特征，如下式所示： ； 其中，为D-1层特征转换到目标层后的特征；为D-2层特征转换到目标层后的特征；为D-3层特征转换到目标层后的特征；、和分别为对应权重系数； 融合特征组HMF-1和HMF-2同理。

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民用航空飞行学院，其通讯地址为：618307 四川省德阳市广汉市南昌路四段46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。