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！

龙图腾网获悉徐州东大钢结构建筑有限公司申请的专利一种基于密集连接网络的金属板凹坑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：CN121391867B 。

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：202511959937.6，技术领域涉及：G06T7/00；该发明授权一种基于密集连接网络的金属板凹坑缺陷检测方法及系统是由董立保;晏腾;渠子乙设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本一种基于密集连接网络的金属板凹坑缺陷检测方法及系统在说明书摘要公布了：本发明涉及金属表面图像处理技术领域，公开了一种基于密集连接网络的金属板凹坑缺陷检测方法及系统。其中，方法包括：获取待检测金属板表面图像；基于缺陷响应的多尺度注意力增强机制执行图像抑噪任务；执行多尺度缺陷语义特征提取任务；执行缺陷区域显著性增强任务；构建多尺度候选缺陷框集合；输出凹坑缺陷检测结果集。相较于现有技术中在复杂纹理背景或表面高反射条件下，尤其是在金属板表面存在油渍、划痕、锈蚀或光斑等干扰特征的实际工业环境中，难以实现对微小凹坑缺陷的稳定识别的技术问题，由于本申请通过构建具备多尺度特征融合能力的密集连接网络结构，并引入空间通道双重注意力增强机制，提高了在复杂工业场景下的凹坑缺陷检测精度。

本发明授权一种基于密集连接网络的金属板凹坑缺陷检测方法及系统在权利要求书中公布了：1.一种基于密集连接网络的金属板凹坑缺陷检测方法，其特征在于，方法包括： 步骤S10：获取待检测金属板表面图像，基于待检测金属板表面图像采用基于缺陷响应的多尺度注意力增强机制执行图像抑噪任务，输出多尺度图像增强结果集合；其中，获取待检测金属板表面图像，基于待检测金属板表面图像采用基于缺陷响应的多尺度注意力增强机制执行图像抑噪任务，输出多尺度图像增强结果集合的步骤，具体包括： 获取待检测金属板表面图像，针对待检测金属板表面图像执行局部灰度对比度计算与Laplace变换，输出初始缺陷响应值，其中，表示横坐标为且纵坐标为j的像素点；基于初始缺陷响应值生成初步缺陷响应图； 基于待检测金属板表面图像构建图像金字塔集合，，其中，表示的尺度图像块，表示的尺度图像块，表示的尺度图像块； 引入基于引导注意力机制的多尺度图像增强算法，分别以图像金字塔集合中的三个不同的尺度图像块为多尺度图像增强算法的处理对象，同时以初步缺陷响应图为多尺度图像增强算法的引导掩膜输入，执行图像增强处理，输出第一增强图像、第二增强图像和第三增强图像； 采用基于SSIM指标的结构相似性权重融合方式融合第一增强图像、第二增强图像和第三增强图像，并输出多尺度图像增强结果集合； 初始缺陷响应值的公式表达为： ； 其中，为像素点对应的初始缺陷响应值；为像素点对应的灰度值；为像素点对应的邻域内的灰度值均值；为Laplace响应权重系数；为待检测金属板表面图像在像素点处的二阶拉普拉斯变换结果； 步骤S20：基于多尺度图像增强结果集合采用基于密集连接网络DenseNet的密集残差融合机制执行多尺度缺陷语义特征提取任务，输出全尺度特征张量； 其中，基于多尺度图像增强结果集合采用基于密集连接网络DenseNet的密集残差融合机制执行多尺度缺陷语义特征提取任务，输出全尺度特征张量的步骤，具体包括： 首先基于多尺度图像增强结果集合采用python的cv2图像处理库进行基于初步缺陷响应图的引导式加权融合处理，输出引导图像输入集； 构建密集连接网络DenseNet，密集连接网络DenseNet包括输入层，用于接收引导图像输入集并执行标准归一化与尺寸统一化处理，输出结构一致的图像张量集合；卷积基础层，用于采用基于7×7卷积网络、BatchNorm网络和ReLU网络的组合结构提取结构一致的图像张量集合的初始边缘纹理特征；密集残差块层，用于引入门控结构，并基于引入门控结构采用多尺度残差门控机制对初始边缘纹理特征进行跨层残差增强传播，输出中间特征张量集合；注意力融合层，用于对中间特征张量集合执行特征通道权重重构，输出融合注意力权重后的优化特征张量集合；输出层，用于基于优化特征张量集合生成统一尺度下的全尺度特征张量； 基于结构相似性损失函数项和KL散度损失函数项构建结构引导一致性组合损失函数S，基于结构引导一致性组合损失函数对密集连接网络DenseNet执行预训练过程；将引导图像输入集输入经预训练的密集连接网络DenseNet，密集连接网络DenseNet输出全尺度特征张量； 步骤S30：基于全尺度特征张量采用通道和空间双重注意引导增强机制执行凹坑缺陷区域响应增强任务，输出双重加权后特征张量； 步骤S40：基于双重加权后特征张量采用嵌入候选框回归与异常点密度推理协同机制执行多尺度候选缺陷提取任务，输出候选缺陷框集合B； 步骤S50：根据候选缺陷框集合B结合预设的边缘响应约束条件执行微缺陷边界细化任务与深浅表征判别任务，输出凹坑缺陷检测结果集。

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徐州东大钢结构建筑有限公司，其通讯地址为：221700 江苏省徐州市丰县经济开发区汉礼路徐州东大钢结构建筑有限公司智能产业园西门；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。