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！

龙图腾网获悉浙江大学申请的专利基于改进YOLOv8的电池CT图像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：CN118587158B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202410621569.3，技术领域涉及：G06T7/00；该发明授权基于改进YOLOv8的电池CT图像缺陷检测方法是由朱柏玉;徐靖伦;金铭律;郑烨;曹云琦;黄平捷;侯迪波;张光新;张宏建设计研发完成，并于2024-05-20向国家知识产权局提交的专利申请。

本基于改进YOLOv8的电池CT图像缺陷检测方法在说明书摘要公布了：本发明公开了一种基于改进YOLOv8的电池CT图像缺陷检测方法，该方法包括：利用CT扫描设备获取电池内部的缺陷图像，划分为训练集、验证集与测试集；通过二维Gabor滤波对电池CT图像进行特征提取与特征融合；结合双重注意力机制，采用轻量化卷积混洗模块替换普通卷积层，得到改进后的网络模型；将训练集输入网络模型进行训练，得到训练完成的目标检测模型；通过测试集对模型进行性能评估，得到电池内部缺陷检测结果。本发明通过对YOLOv8网络进行改进并结合Gabor特征提取与融合算法，能够有效提升电池内部缺陷CT图像的检测精度，减小模型参数量大小，使得模型在准确检测出电池内部缺陷的同时提高可移植性。

本发明授权基于改进YOLOv8的电池CT图像缺陷检测方法在权利要求书中公布了：1.一种基于改进YOLOv8的电池CT图像缺陷检测方法，其特征在于，包括以下步骤： 1采用CT扫描设备获取包含电池内部缺陷的CT图像，以构建图像数据集，并将其划分为训练集、验证集与测试集； 2通过二维Gabor滤波器对图像数据集中的CT图像进行特征提取，并将提取的特征进行特征融合，以获取当前CT图像对应的融合特征图；所述步骤2包括以下子步骤： 2.1将图像数据集中的CT图像fx,y调整为灰度图，其中，x和y分别表示CT图像的横坐标和纵坐标； 2.2构建二维Gabor滤波器；其中，所述二维Gabor滤波器包括大小为K、波长为λ、相位偏移为形状纵横比为γ、平行条纹的方向θ分别为0°和90°的两个Gabor滤波核，二维Gabor滤波器在时域x轴上的标准差为σ； 2.3通过坐标变换方程对调整为灰度图的CT图像fx,y的坐标进行变换，以获取坐标调整后的CT图像f′x′,y′，其中，x′和y′分别表示坐标调整后的CT图像的横坐标和纵坐标；所述坐标变换方程的表达式为： x′＝xcosθ+ysinθ y′＝-xsinθ+ycosθ 其中，θ表示Gabor滤波核平行条纹的方向； 2.4将坐标调整后的CT图像f′x′,y′输入到二维Gabor滤波器中，分别采用0°Gabor滤波核和90°Gabor滤波核依次对坐标调整后的CT图像进行步进式特征提取，以获取第一图像特征和第二图像特征；其中，所述二维Gabor滤波器的计算公式为： 其中，坐标x、y经过坐标变换后得到坐标x′、y′，λ为滤波器波长，为相位偏移，γ为形状纵横比，σ为二维Gabor滤波器在时域x轴上的标准差，θ为平行条纹的方向； 2.5通过特征拼接对第一图像特征和第二图像特征进行特征融合，获得当前CT图像对应的融合特征图； 3结合双重注意力机制模块与轻量化卷积混洗模块改进YOLOv8网络模型，得到改进后的YOLOv8网络模型；所述步骤3包括以下子步骤： 3.1在YOLOv8网络模型的主干网络中的最后一个C2f层之后和SPPF模块的前一层，增加双重注意力机制模块，得到改进后的主干网络； 3.2将YOLOv8网络模型的特征融合模块中的所有CBS模块替换为轻量化卷积混洗模块，得到改进后的特征融合模块； 3.3基于改进后的主干网络、改进后的特征融合模块和YOLOv8网络模型的检测头构建改进后的YOLOv8网络模型；其中，所述改进后的主干网络包括依次连接的两个CBS模块、C2f模块、CBS模块、C2f模块、CBS模块、C2f模块、CBS模块、C2f模块、双重注意力机制模块和SPPF模块；所述改进后的特征融合模块包括Unsample模块、C2f模块、Unsample模块、C2f模块、轻量化卷积混洗模块、C2f模块、轻量化卷积混洗模块、C2f模块； 4将经过二维Gabor滤波器特征提取与特征融合后的训练集输入改进后的YOLOv8网络模型进行训练，并根据CIoU损失函数调整改进后的YOLOv8网络模型的参数，以获取训练好的YOLOv8网络模型；其中，所述CIoU损失函数通过下式计算得到： 其中，CIoULoss表示CIoU损失函数值，IoU为定位框的交并比，b为预测框的中心点，bgt为真实框的中心点，ρ2b,bgt代表中心点b和中心点bgt之间的欧式距离，c代表能够同时包含预测框和真实框的最小外接矩形的对角线长度，α代表定位框的权重，υ为度量定位框宽高比一致性的系数； 所述定位框的交并比的计算公式为： 其中，A表示真实框，B表示预测框，定位框的交并比IoU用于表征YOLOv8网络模型定位的精度； 所述度量定位框宽高比一致性的系数的计算公式为： 其中，wh为预测框的长宽比，wgthgt为真实框的长宽比； 所述定位框的权重的计算公式为： 其中，IoU为真实框A与预测框B的交并比； 5将经过二维Gabor滤波器特征提取与特征融合后的测试集输入训练好的YOLOv8网络模型，输出测试集中各个CT图像对应的缺陷图像的类型以及包含缺陷图像预测框中心坐标和矩形框长宽的txt文件，得到测试集中各个CT图像的缺陷检测结果。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。