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！

龙图腾网获悉杭州电子科技大学申请的专利一种语义和边缘协同的轻量化工业缺陷检查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：CN121258974B 。

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：202511790720.7，技术领域涉及：G06T7/00；该发明授权一种语义和边缘协同的轻量化工业缺陷检查方法及系统是由袁淑萍;郑锦凯;万斌设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种语义和边缘协同的轻量化工业缺陷检查方法及系统在说明书摘要公布了：本发明公开了一种语义和边缘协同的轻量化工业缺陷检查方法及系统，该方法首先将工业缺陷图像调整成统一分辨率。其次采用轻量化的MobileNet‑V2针对统一分辨率后的图像进行特征提取，再分别输入注意力引导的全局优化模块、特征增强模块、边缘信息感知模块，得到语义特征、增强特征、边缘特征。然后构建多模态特征融合模块，设计注意力加权的特征融合机制，集成融合语义特征、增强特征与边缘特征，生成像素级的概率图。最后实施监督训练，对概率图中的特征值进行归一化后，每个像素值代表该位置属于缺陷的置信度，得到缺陷检查结果。本发明在真实工业场景中实现高精度、高效率的在线检测，输出高质量的缺陷显著图。

本发明授权一种语义和边缘协同的轻量化工业缺陷检查方法及系统在权利要求书中公布了：1.一种语义和边缘协同的轻量化工业缺陷检查方法，其特征在于，包括以下步骤： S1：将工业缺陷图像训练数据调整成统一分辨率； S2：采用轻量化的MobileNet-V2网络作为骨干特征提取器，针对统一分辨率后的工业缺陷图像进行特征提取； S3：MobileNet-V2生成的特征，分别输入注意力引导的全局优化模块、细节感知的特征增强模块、边缘信息感知模块，得到语义特征、增强特征、边缘特征； 所述语义特征具体获取过程如下： 全局优化模块AGO首先对特征和进行通道维度拼接，并通过卷积进行初步融合，得到融合特征；随后，将该特征分别送入两个并行的通道注意力分支：一个采用全局平均池化捕捉整体上下文信息，另一个采用全局最大池化聚焦显著特征细节；两个分支输出的注意力权重特征经拼接后，经过卷积后再与原始融合特征进行残差连接；最后，通过空间注意力模块对残差连接后的特征进行空间维度上的权重校准，生成初步优化的语义特征； 将与及进行三级特征拼接，形成包含多尺度语义信息的融合特征，并且语义特征先后经过卷积和Sigmoid激活函数得到初步显著图； 将与由生成的初步显著图进行空间加权相乘，并与进行残差连接，再次输入AGO模块进行二次优化，得到语义特征； 所述增强特征具体获取过程如下： 对特征和分别施加三组具有不同膨胀率的卷积操作，膨胀率依次增大生成三组具有不同感受野的特征集合； 对特征和重塑成和；接着，特征的转置、与可学习的权重矩阵进行逐元素相乘，经过Sigmoid激活函数得到关联矩阵；最后通过对每组具有相同感受野的特征对进行双向特征相关性计算，进行信息筛选与增强，输出的新特征{和；将拼接，并通过通道注意力神经网络挖掘两个特征层之间的互补信息，得到细节特征； 将三组不同感受野下生成的相关性特征{进行通道维度拼接，并通过卷积融合，输出包含多尺度细节信息的增强特征； 所述双向特征相关性计算为：将关联矩阵分别与的转置和逐元素相乘，最后经过维度重塑分别输出和； S4：构建多模态特征融合模块，设计基于注意力加权的特征融合机制，集成融合语义特征、增强特征与边缘特征，生成像素级的概率图； S5：采用深度监督策略，实施监督训练，前向传播将输出最终的概率图，对概率图中的特征值进行归一化后，每个像素值代表所述像素位置属于缺陷的置信度，得到缺陷检查结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。