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！

龙图腾网获悉湖南大学申请的专利一种基于动态细粒度神经网络的销钉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：CN115908345B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202211523198.2，技术领域涉及：G06T7/00；该发明授权一种基于动态细粒度神经网络的销钉缺陷检测方法是由毛建旭;余俊龙;王耀南;张辉;陶梓铭;易俊飞;钟杭;刘彩苹;朱青;刘敏设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基于动态细粒度神经网络的销钉缺陷检测方法在说明书摘要公布了：本发明涉及图像识别技术领域，具体为一种基于动态细粒度神经网络的销钉缺陷检测方法，包含：S1、构建销钉图像数据集；S2、对销钉图像数据集中的销钉图像进行标注，并对标注后的销钉图像进行数据增强，得到数据增强后的销钉图像数据集；将增强后的销钉图像数据集划分为训练集和验证集；S3、构建改进的模型；S4、利用训练集训练改进的模型；S5、将验证集输入到训练后的模型中，得到销钉缺陷识别结果。本发明采用了动态细粒度特征融合空间结构，该结构为每个待检测的目标动态地选择不同尺度的特征金字塔的像素级组合，加强特征金字塔的多尺度表示能力，从而获得更加精细的特征表示，提高了销钉缺陷检测的精度。

本发明授权一种基于动态细粒度神经网络的销钉缺陷检测方法在权利要求书中公布了：1.一种基于动态细粒度神经网络的销钉缺陷检测方法，其特征在于：包含如下步骤： 步骤S1、使用图像采集设备采集多张销钉图像，并使用多张销钉图像构建销钉图像数据集； 步骤S2、对销钉图像数据集中的销钉图像进行标注，并对标注后的销钉图像数据集进行数据增强，得到数据增强后的销钉图像数据集；将增强后的销钉图像数据集划分为训练集和验证集； 步骤S3、建立RetinaNet-ResNet50模型，以RetinaNet-ResNet50模型为基础，构建改进的RetinaNet模型； 步骤S4、利用训练集训练改进的RetinaNet模型，得到训练后的RetinaNet模型； 步骤S5、将验证集输入到训练后的RetinaNet模型中，得到销钉缺陷识别结果； 所述步骤S3中改进的RetinaNet模型包括依次连接的骨干网络、改进的特征金字塔网络、检测头； 骨干网络由改进的ResNet-50构成，骨干网络用于对销钉图像数据集中的销钉图像中的特征进行提取； 改进的特征金字塔网络用于对骨干网络提取的特征进行融合，并输出多个尺度不同的特征； 检测头包括分类头和回归头，分类头和回归头均与改进的特征金字塔网络连接，分类头和回归头用于对多个尺度不同的细粒度特征进行解耦，并分别预测目标的类别和位置： 改进的ResNet50包括五个依次连接的卷积模块，最后一个卷积模块包含二个Bottleneck和一个改进的Bottleneck，二个Bottleneck和改进的Bottleneck依次连接； 改进的特征金字塔网络包括依次连接的FPN结构和动态细粒度特征融合空间结构； FPN结构用于对骨干网络提取的特征进行特征融合； 动态细粒度特征融合空间结构主要由细粒度通道选择器单元构成，细粒度通道选择器单元用于将融合的特征转换成多个尺度不同的细粒度特征； 传统RetinaNet模型的骨干网络由ResNet-50构成，ResNet-50中包含五个卷积模块，第五个卷积模块中包含三个Bottleneck，改进的RetinaNet模型中的骨干网络将第五个卷积模块中最后一个Bottleneck的普通3x3卷积转换为ACmix卷积。

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大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路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。