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！

龙图腾网恭喜湖南大学申请的专利一种风机叶片表面损伤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：CN119887790B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510393184.0，技术领域涉及：G06T7/00；该发明授权一种风机叶片表面损伤检测方法及系统是由张英杰;刘朝林;李蒲德;丁晨;徐梦迪设计研发完成，并于2025-03-31向国家知识产权局提交的专利申请。

本一种风机叶片表面损伤检测方法及系统在说明书摘要公布了：本发明提供一种风机叶片表面损伤检测方法及系统，属于风机叶片损伤检测技术领域。本发明采用金字塔增强算法和补丁增强算法相结合的方式，金字塔增强算法提供全局的多尺度信息，补丁增强算法提供局部细节信息，能让模型从不同层次的信息中学习，提升对风机叶片损伤检测的精度；在模型的训练阶段，采用注意力机制关注图像中与损伤有关的特征，抑制与损伤无关的特征，生成增强特征，将增强特征从笛卡尔坐标映射到极坐标系形成极坐标特征，突出损伤特征在风机叶片径向方向和轴向方向的表达，然后将极坐标特征与增强特征进行融合，构建融合了细粒度局部信息和粗粒度全局信息的特征图，使模型获得对不同尺度目标的检测能力。

本发明授权一种风机叶片表面损伤检测方法及系统在权利要求书中公布了：1.一种风机叶片表面损伤检测方法，其特征在于，包括如下步骤：步骤S1，获取原始数据集，所述原始数据集中包括多张风机叶片表面的原始图像，每张原始图像中标注有损伤位置以及损伤类型；步骤S2，采用金字塔增强算法对原始数据集中的每张原始图像进行增强，形成金字塔图像序列，然后使用重叠的滑动窗口对金字塔图像序列中的每一层进行补丁提取，形成补丁集合，以所述金字塔图像序列和补丁集合重新构建训练数据集；步骤S3，在传统YOLOv8模型的基础上构建改进YOLOv8模型，改进YOLOv8模型的颈部网络和检测头与传统YOLOv8模型中的架构保持一致，骨干网络包括初始卷积层、C2F-FocalNextBlock模块、极坐标特征变换模块及特征融合模块，将训练数据集及其对应的标签送入改进YOLOv8模型进行训练，得到训练好的改进YOLOv8模型；训练的过程包括如下步骤：将训练数据集中的图像送入初始卷积层提取基础特征，然后将提取的基础特征送入C2F-FocalNextBlock模块，基于注意力机制关注图像中与损伤有关的特征，抑制与损伤无关的特征，生成增强特征；接着将增强特征送入极坐标特征变换模块，将增强特征从笛卡尔坐标系映射到极坐标系形成极坐标特征，突出损伤特征在风机叶片径向方向和轴向方向的表达；最后将极坐标特征变换模块输出的极坐标特征与C2F-FocalNextBlock模块输出的增强特征相融合，构建融合了细粒度局部信息和粗粒度全局信息的融合特征；颈部网络将骨干网络输出的融合特征转换为适合检测任务的多尺度特征，传递给检测头进行最终的边界框回归和分类；步骤S4，针对任意一次风机叶片表面损伤检测过程，首先采集风机叶片表面的图像，然后提取得到金字塔图像序列和补丁集合，将金字塔图像序列以及补丁集合共同作为训练好的改进YOLOv8模型的输入，输出对每张图像中的损伤位置以及损伤类型的预测结果。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路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”。