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！

龙图腾网获悉西北工业大学宁波研究院申请的专利一种基于可变形卷积自适应框表面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：CN117152062B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202310999939.2，技术领域涉及：G06T7/00；该发明授权一种基于可变形卷积自适应框表面缺陷检测方法是由杨宏晖;王秋雨;郑凯锋设计研发完成，并于2023-08-09向国家知识产权局提交的专利申请。

本一种基于可变形卷积自适应框表面缺陷检测方法在说明书摘要公布了：本发明涉及了一种基于可变形卷积自适应框表面缺陷检测方法，特别是涉及了首先分别构建了基于可变形卷积的面状缺陷检测模块和条状缺陷检测模块，然后使用真实表面缺陷图像训练两个模块。在检测阶段，表面缺陷图像分别经过两种缺陷检测模块，然后合并检测结果。通过该方法，可以实现对表面缺陷的精确检测。

本发明授权一种基于可变形卷积自适应框表面缺陷检测方法在权利要求书中公布了：1.一种基于可变形卷积自适应框表面缺陷检测方法，其特征在于，包括以下步骤： 步骤1：构建可变形卷积单元DConv以及标准卷积单元SConv； 步骤2：基于步骤1所构建的可变形卷积单元DConv以及标准卷积单元SConv，搭建基础神经网络模型BNM；其中基础神经网络模型BNM由标准卷积单元SConv和可变形卷积单元DConv交替连接组成，最后通过全连接层输出结果； 步骤3：定义围绕缺陷中心聚集，最小外接矩形长宽比小于2的缺陷为面状缺陷；一端边界远离缺陷几何中心，最小外接矩形长宽比大于2的缺陷为条状缺陷； 采用标记好面状缺陷的面状缺陷数据集X1训练步骤2搭建的基础神经网络模型BNM，得到面状缺陷检测模块PDDM；采用标记好条状缺陷的条状缺陷数据集X2训练步骤2搭建的基础神经网络模型BNM，得到条状缺陷检测模块SDDM； 得到面状缺陷检测模块PDDM和条状缺陷检测模块SDDM的过程为： 1面状缺陷检测模块PDDM： 步骤A：构建PDDM检测框，针对面状缺陷，检测框使用椭圆框，确定椭圆检测框的参数为，其中为检测框的中心点位置，，分别为椭圆的长轴长度与短轴长度，为椭圆框的旋转角度； 步骤B：使用椭圆框标注出表面缺陷图像中的面状缺陷，标注后构建面状缺陷数据集； 步骤C：使用标记好面状缺陷的数据集训练基础神经网络模型BNM：随机初始化基础神经网络模型BNM参数，设置模型训练参数：学习率、衰减率，迭代总次数、早停步数，批大小；设置优化器类型和损失函数类型； 步骤D：将面状缺陷数据集分为多个包含个训练图像的小批量数据集，选择一个小批量数据集作为模型输入，其中表示第批数据；计算金属表面缺陷特征检测模型特征输出，并计算损失，然后使用反向传播算法更新模型参数； 步骤E：重复步骤D，当连续次迭代，损失不再减小，或者当迭代次数满足时候，则停止迭代，得到训练好的面状缺陷检测模块PDDM； 2条状缺陷检测模块SDDM： 步骤a：构建SDDM检测框，针对条状缺陷，检测框使用矩形框；确定一个矩形检测框的参数为，其中为检测框的中心点位置，，分别为矩形框的宽度和高度，为矩形框的旋转角度； 步骤b：使用矩形框标注出金属表面缺陷图像中的条状缺陷，标注后构建条状缺陷数据集； 步骤c：使用标记好条状缺陷的数据集训练基础神经网络模型BNM，随机初始化基础神经网络模型BNM参数，设置训练参数：学习率、衰减率；迭代总次数、早停步数，批大小；设置优化器类型和损失函数； 步骤d：将训练集分为多个包含个训练图像的小批量数据集；选择一个小批量数据集作为模型输入，其中表示第批数据，计算出模型输出，并计算损失，然后使用反向传播算法更新模型参数； 步骤e：重复步骤d，当连续次迭代，损失不再减小，或者当迭代次数满足时候，则停止迭代，得到训练好的条状缺陷检测模块SDDM； 步骤4：将待检测图像输入训练好的PDDM模型，得到面状缺陷检测结果ye；并将待检测图像输入训练好的SDDM模型，得到条状缺陷检测结果yr，合并检测结果ye与yr，实现对表面缺陷的检测。

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西北工业大学宁波研究院，其通讯地址为：315040 浙江省宁波市高新区清逸路218弄；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。