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！

龙图腾网恭喜广东机电职业技术学院申请的专利基于改进卷积神经网络的成形网缺陷检测方法及装置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：CN118297949B 。

龙图腾网通过国家知识产权局官网在2025-01-07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：202410725241.6，技术领域涉及：G06T7/00；该发明授权基于改进卷积神经网络的成形网缺陷检测方法及装置是由李静;陈翠松;李拓宇;王丽娟;奚文娟设计研发完成，并于2024-06-06向国家知识产权局提交的专利申请。

本基于改进卷积神经网络的成形网缺陷检测方法及装置在说明书摘要公布了：本发明公开了一种基于改进卷积神经网络的成形网缺陷检测方法及装置，方法包括：设置照明系统，将设定的光线照射在成型网上；采集带有缺陷的图像数据，将数据集进行预处理，获取图像样本集；构建缺陷识别定位模型，缺陷识别定位模型包括检测模块、特征模块和边界预测模块；将图像样本集输入缺陷识别定位模型中训练，获取训练好的缺陷识别定位模型；所述检测模块采用了深度可分离卷积，包括深度卷积和逐点卷积，深度卷积和逐点卷积相对独立设置；将待识别的图像输入训练好的缺陷识别定位模型，输出缺陷定位结果。本发明经过预测能够识别定位成形网的缺陷，提高了缺陷识别定位模型的鲁棒性和成形网缺陷检测效率。

本发明授权基于改进卷积神经网络的成形网缺陷检测方法及装置在权利要求书中公布了：1.基于改进卷积神经网络的成形网缺陷检测方法，其特征在于，包括下述步骤：设置照明系统，将设定的光线照射在成形网上；采集带有缺陷的图像数据，将数据集进行预处理，获取图像样本集；基于YOLOv8N构建缺陷识别定位模型，缺陷识别定位模型包括检测模块、特征模块和边界预测模块，检测模块用于检测成形网的经纬特征，特征模块用于增强检测到的成形网的经纬特征，边界预测模块用于界定检测框并输出每个检测框的属性信息；将图像样本集输入缺陷识别定位模型中训练，获取训练好的缺陷识别定位模型；所述检测模块采用了深度可分离卷积，包括深度卷积和逐点卷积，深度卷积和逐点卷积相对独立设置，所述深度卷积包括多个单独的卷积核，各输入通道只设置一个卷积核，所述逐点卷积包括逐点卷积核，逐点卷积后设置h-swish激活函数；将待识别的图像输入训练好的缺陷识别定位模型，输出缺陷定位结果；完成输出缺陷定位结果后，随机执行下述之一或者全部步骤：失活步骤：随机选择卷积神经网络的一部分节点，并将这些节点输出设置为零；批标准化步骤：对输出的每一批缺陷定位结果数据进行标准化处理，使其具有零均值和单位方差；所述缺陷识别定位模型，包括主干网络Backbone、颈部Neck和检测头Head;对于主干网络Backbone,将其作为检测模块，负责从输入图像中提取有用的特征,卷积层采用深度可分离卷积，将传统的卷积操作分解为两个独立的步骤：深度卷积和逐点卷积,深度卷积：在这一步，每个输入通道都被一个单独的卷积核处理，生成与输入通道数相同的输出通道,这意味着每个卷积核只负责处理一个输入通道，而不是像标准卷积那样同时处理所有输入通道;逐点卷积：在深度卷积之后，使用一个1x1的卷积核对深度卷积的输出进行线性组合，以生成新的特征图;对于颈部Neck，将其作为特征模块，用于对主干网络提取特征进行进一步的处理和增强，包括通过特征金字塔网络或路径聚合网络进行多尺度特征融合；采取两条路径进行特征增强处理，如下：第一条路径：自顶向下，将深层的特征图经过上采样，以增加其空间分辨率，上采样后的深层特征图会与前一层的较浅层特征图相融合，这种融合是通过逐元素相加或通道拼接来实现的，较浅层的特征图被注入了来自深层的语义信息；第二条路径：自底向上，对检测到的成形网的经纬特征进行卷积处理和下采样，获得浅层特征图；将浅层特征图与后一层的较深层特征图进行融合；其中，卷积处理和下采样，通过步长为2的卷积或池化操作实现，经过下采样后，浅层特征图会与更深层的特征图相融合；对于检测头Head，这部分负责根据融合后的特征图进行最终的类别预测和边界框回归，在缺陷识别定位模型中，head部分会输出每个检测框的类别概率、置信度和坐标信息；将数据集输入检测模块，利用深度卷积中的卷积核对图像数据中每个通道分别处理，生成与输入通道数相同的输出通道；采用逐点卷积核对深度卷积的输出进行线性组合，获取成形网的经纬特征；所述增强检测到的成形网的经纬特征，包括：对检测到的成形网的经纬特征进行上采样，获取深层特征图；将深层特征图与前一层的较浅层特征图融合；对检测到的成形网的经纬特征进行卷积处理和下采样，获得浅层特征图；将浅层特征图与后一层的较深层特征图进行融合。

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广东机电职业技术学院，其通讯地址为：510515 广东省广州市白云区同和蟾蜍石东路2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”。