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！

龙图腾网获悉四川农业大学申请的专利一种基于深度学习的焊缝表面缺陷检测方法及系统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：CN121259006B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511836715.5，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的焊缝表面缺陷检测方法及系统是由孙延;张庆一;涂佳龙;邹雪茹;郭艳;陈炜设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本一种基于深度学习的焊缝表面缺陷检测方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的焊缝表面缺陷检测方法及系统，涉及缺陷检测技术领域，采集转向架焊缝表面的原始图像，建立包含飞溅区域、缺陷区域及飞溅‑缺陷共存区域的标注数据集；构建包含双分支特征提取结构和特征分离模块的深度神经网络；使用所述标注数据集训练所述深度神经网络；将待检测焊缝图像输入训练完成的深度神经网络，通过所述特征分离模块输出缺陷检测结果。本发明采用反射特性与几何形态双分支特征提取，从物理本质上实现真伪缺陷特征解耦，打破单一特征维度无法区分同质化干扰的局限；结合自注意力特征分离，有效抑制飞溅干扰、破解伪缺陷覆盖真缺陷的复杂叠加难题，精准识别隐藏在飞溅下的微小缺陷。

本发明授权一种基于深度学习的焊缝表面缺陷检测方法及系统在权利要求书中公布了：1.一种基于深度学习的焊缝表面缺陷检测方法，其特征在于，包括： 采集转向架焊缝表面的原始图像，建立包含飞溅区域、缺陷区域及飞溅-缺陷共存区域的标注数据集，所述标注数据集采用半监督标注策略； 构建包含双分支特征提取结构和特征分离模块的深度神经网络，其中第一分支配置为提取材料的光学反射特性特征，第二分支配置为提取缺陷的几何拓扑形态特征； 使用所述标注数据集训练所述深度神经网络，训练过程中采用包含特征对比机制的联合损失函数，所述特征对比机制用于增大飞溅特征与缺陷特征在特征空间中的距离； 将待检测焊缝图像输入训练完成的深度神经网络，通过所述特征分离模块获得初步检测结果，并对所述初步检测结果进行后处理优化，输出最终的缺陷检测结果； 所述将待检测焊缝图像输入训练完成的深度神经网络，通过所述特征分离模块获得初步检测结果的步骤，包括： 通过自注意力机制计算双分支融合特征的空间相关性，生成空间注意力权重图； 结合焊缝轮廓先验信息对空间注意力权重进行约束，抑制背景区域的无效计算； 利用边缘增强注意力窗口强化特征尺寸小于预设阈值的缺陷特征响应，所述边缘增强注意力窗口采用局部结构特征提取与全局注意力权重融合的方式； 基于优化后的注意力权重对输入特征进行空间维度的重新加权，突出真实缺陷区域的特征表达； 通过分类头对加权后的特征图进行像素级分类，输出缺陷检测结果； 所述利用边缘增强注意力窗口强化特征尺寸小于预设阈值的缺陷特征响应的步骤，包括： 对特征尺寸小于预设阈值的微裂纹区域，采用基于局部结构特征的注意力增强方式； 通过边缘导向的特征提取操作强化线性缺陷的连续性特征，采用可学习的边缘检测卷积核提取局部梯度信息； 将局部结构特征与全局注意力权重进行融合计算，生成边缘增强的注意力权重图； 基于边缘增强的注意力权重图对微小缺陷特征进行选择性强化，提升微小缺陷的检出率。

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四川农业大学，其通讯地址为：625000 四川省雅安市雨城区新康路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。