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！

龙图腾网恭喜福州大学申请的专利一种基于语义分割网络的木材裂缝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：CN115908325B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202211461477.0，技术领域涉及：G06T7/00；该发明授权一种基于语义分割网络的木材裂缝检测方法是由徐哲壮;林烨;范玲玲;陈丹;艾志杰;朱宇航设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本一种基于语义分割网络的木材裂缝检测方法在说明书摘要公布了：本发明涉及一种基于语义分割网络的木材裂缝检测方法。首先提出了位置注意机制来突显木材裂缝的位置；同时设计了特征增强机制增强了细小木材裂缝更详细的信息。此外，采用残差块融合多尺度的感受野，通过更大的感受野获取更多裂缝区域信息。本发明的有益效果在于减少了其他干扰因素的影响，适用于不同尺度的裂缝检测，提高了木材裂缝检测的准确性。

本发明授权一种基于语义分割网络的木材裂缝检测方法在权利要求书中公布了：1.一种基于语义分割网络的木材裂缝检测方法，其特征在于，包括如下步骤：第一步，图像采集与预处理；第二步，WCU-Net结构模型搭建；第三步，木材裂缝检测模型训练；第四步，将训练好的模型用于木材表面裂缝检测；第一步具体实现如下：1-1、图像获取：通过线阵相机获取木材图像；1-2、图像切割：根据木材图像宽度，将木材图像裁剪成等宽的小正方形；1-3、样本集制作：为带有裂缝的木材图像手动添加像素级的标签，制作成木材裂缝样本集；第二步中，基于U-Net网络结构搭建WCU-Net结构模型；WCU-Net结构模型包括基础网络U-Net、突显木材裂缝位置的位置注意力模块、增强小裂缝信息的特征增强模块以及能够获得和融合多尺度感受野的残差块，具体如下：2-1、基础网络U-Net：基础网络编码部分：采用两个卷积层来获取不同尺度下的特征，核大小为3×3，采用一个步长为2的最大池化层来进行下采样；每个卷积层之后进行批归一化BN和修正线性单元激活函数ReLU的运算；基础网络解码部分：采用由深度卷积和逐点卷积组成的Invertedblock；第一层的逐点卷积将通道数减半，剩余的卷积操作保持通道数不变；对于特征上采样，通过转置卷积逐步恢复图像的大小；在最后一层，选择Sigmoid作为激活函数；2-2、位置注意机制：1将特征X∈RC×H×W输入卷积核大小为1×W和H×1的两个卷积层，分别生成A∈RH×1和B∈R1×W两个向量；2在A和B之间进行一个矩阵乘法的操作，并用一个softmax层来获得位置注意力图S∈RH×W；3将原特征X乘上位置注意力图S，进而和特征X进行元素求和，生成最终增强后的特征图Y∈RC×H×W；2-3、特征增强机制：1利用低层级语义特征图和高层级语义特征图，根据2-2的位置注意力机制，生成两个位置注意力图α和β；2对位置注意力图α进行1-α的操作后，再对其结果做双线性插值的上采样；3将步骤2中所得结果与位置注意力图β以及低层级语义特征图对应元素相乘；4将步骤3所得结果对应元素加上低层级语义特征图，得到最终增强的输出；2-4、残差结构：引入残差块来获得更大的感受野；所用残差块是通过连接3个残差单元构成的，选用卷积核大小为3×3的卷积，空洞率设定为4；第三步具体实现如下：3-1、参数初始化设置：在训练过程中，图像大小调整为Hi×Wi；训练次数、初始学习速率和批量大小也分别设置为a、b和c；采用余弦退火学习率调整方法调整学习率，选择Adam优化器；在训练阶段，随机进行随机裁剪，随机亮度，随机旋转图像增强操作；3-2、开始训练：将训练样本集输入WCU-Net结构模型中；3-3、更新参数：将其与对应的标注图进行Dice损失的计算以及反向传播训练，更新WCU-Net结构模型中的权重参数，使得损失值减小；具体损失函数公式如下： 其中pn和gn分别表示预测值和真值，并且使用最小值ε来避免出现零分母；3-4、输出模型：重复步骤3-2、3-3，当训练次数达到设定值后，停止训练，输出损失值最小的模型。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。