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！

龙图腾网获悉华东交通大学申请的专利基于改进RT-DETR的车下螺栓锈蚀检测方法、设备及介质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：CN121564697B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202610099888.1，技术领域涉及：G06V20/60；该发明授权基于改进RT-DETR的车下螺栓锈蚀检测方法、设备及介质是由涂宏斌;戴敏杰;罗家骏;崔骞;刘凯宇;董岳;赖星宇;周思琪;周睿阳设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本基于改进RT-DETR的车下螺栓锈蚀检测方法、设备及介质在说明书摘要公布了：本申请属于计算机视觉与人工智能技术领域，公开了基于改进RT‑DETR的车下螺栓锈蚀检测方法、设备及介质，该方法包括：首先，采用小目标锈蚀区域增强模块对输入的车下图像进行处理，该模块通过多尺度特征提取、定制化的锈蚀感知注意力机制和位置编码，生成能够凸显微小锈蚀特征的增强特征图；然后，将该增强特征图输入一个经过轻量化改进的RT‑DETR模型，该模型采用GhostNet作为主干网络，并集成了轻量型颈部结构与锈蚀特化检测头；最后，通过该模型输出螺栓的锈蚀等级和边界框。本发明还包括针对性的小样本数据增强策略和基于焦点损失、加权L1损失和GIoU损失的组合损失函数。本发明能够显著提升小目标锈蚀的检测精度，同时大幅降低模型复杂度。

本发明授权基于改进RT-DETR的车下螺栓锈蚀检测方法、设备及介质在权利要求书中公布了：1.一种基于改进RT-DETR的车下螺栓锈蚀检测方法，其特征在于，包括以下步骤： 获取待检测的车下图像； 采用小目标锈蚀区域增强模块对所述车下图像进行处理，以生成最终增强特征图；所述小目标锈蚀区域增强模块的处理过程包括： 对所述车下图像进行多尺度特征提取，生成多尺度特征图，具体包括：将所述车下图像缩放为原始分辨率尺度、中分辨率尺度和小分辨率尺度，得到三路不同尺度的输入图像；将所述三路不同尺度的输入图像分别输入至共享的浅层卷积网络，以提取得到三个尺度的特征图；所述浅层卷积网络由一个二维卷积层、一个批归一化层和一个ReLU激活函数构成；将所述中分辨率尺度和小分辨率尺度下提取的特征图进行上采样，使其尺寸与原始分辨率尺度下提取的特征图尺寸一致；将上采样后的两路特征图与所述原始分辨率尺度下提取的特征图在通道维度上进行拼接，以生成所述多尺度特征图； 对所述多尺度特征图引入锈蚀区域引导因子，采用锈蚀感知注意力机制进行特征增强，得到注意力加权特征图；以及将位置编码与所述注意力加权特征图融合，降维得到所述最终增强特征图； 将所述增强特征图输入改进RT-DETR模型进行处理；所述改进RT-DETR模型采用GhostNet作为主干网络，所述改进RT-DETR模型包括轻量型颈部结构和锈蚀特化检测头； 所述轻量型颈部结构的处理步骤包括：采用一个1x1卷积层对GhostNet主干网络输出的特征图进行通道投影，使其维度与后续的Transformer编码器-解码器模块的输入维度相匹配，得到投影后的特征图；将所述投影后的特征图进行展平处理，以生成序列化的Token序列，作为所述Transformer编码器-解码器模块的输入；所述锈蚀特化检测头的处理步骤包括： 对所述Transformer编码器-解码器模块输出的目标向量进行重构，得到目标向量；采用GhostConv卷积和深度可分离卷积DWConv对所述目标向量进行依次处理，得到卷积后的特征向量；引入所述锈蚀感知注意力机制对所述卷积后的特征向量进行加权；将加权后的特征向量展平为一维向量；通过并行的全连接层分别进行分类预测和边界框回归，以输出所述锈蚀等级和边界框信息； 通过所述锈蚀特化检测头输出所述车下图像中螺栓的锈蚀等级和边界框信息。

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华东交通大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街808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。