南昌市言诺科技有限公司;青葵智造(北京)科技有限公司李潭获国家专利权
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！
龙图腾网获悉南昌市言诺科技有限公司;青葵智造(北京)科技有限公司申请的专利基于深度学习的钢材表面缺陷检测方法、装置和设备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：CN120164081B 。
龙图腾网通过国家知识产权局官网在2025-07-15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：202510643083.4，技术领域涉及：G06V10/82；该发明授权基于深度学习的钢材表面缺陷检测方法、装置和设备是由李潭;宋伟宁;高方方;吴守栾;宋超;陈南江;林燕文设计研发完成，并于2025-05-19向国家知识产权局提交的专利申请。
本基于深度学习的钢材表面缺陷检测方法、装置和设备在说明书摘要公布了：本申请涉及一种基于深度学习的钢材表面缺陷检测方法、装置和设备。该方法包括：采用骨干网络对钢材表面图像进行特征提取，将提取的图像特征进行两次下采样后采用SH‑编码器进行编码，将图像特征、图像特征的一次下采样特征以及编码特征采用加权特征融合模块进行特征融合，得到融合特征；加权特征融合模块用于采用SimAM、拼接操作和卷积操作对输入的特征进行融合；将融合特征采用基于IoU感知的查询机制进行处理，得到初始目标查询特征；将初始目标查询特征采用带有辅助预测头的Transformer解码器进行解码，得到钢材表面缺陷的检测结果。本方法大幅度削减了计算量、提升了计算速度，提高了钢材表面缺陷检测的准确率。
本发明授权基于深度学习的钢材表面缺陷检测方法、装置和设备在权利要求书中公布了：1.一种基于深度学习的钢材表面缺陷检测方法，其特征在于，所述方法包括： 获取钢材表面图像； 采用骨干网络对所述钢材表面图像进行特征提取，得到图像特征； 将所述图像特征进行两次下采样后采用SH-编码器进行编码，得到编码特征；所述SH-编码器用于通过通道混洗、地址编码以及自注意力机制对所述图像特征进行编码； 将所述图像特征、所述编码特征以及图像特征的第一次下采样特征采用加权特征融合模块进行特征融合，得到融合特征；所述加权特征融合模块用于采用SimAM、拼接操作以及卷积操作对输入其中的特征进行融合； 将所述融合特征采用基于IoU感知的查询机制进行处理，得到初始目标查询特征； 将所述初始目标查询特征采用带有辅助预测头的Transformer解码器进行解码，得到钢材表面缺陷的检测结果。
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南昌市言诺科技有限公司;青葵智造(北京)科技有限公司，其通讯地址为：330096 江西省南昌市南昌高新技术产业开发区艾溪湖北路269号科创中心9号楼中山大学南昌研究院8层；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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号