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！

龙图腾网获悉郑州轻工业大学申请的专利基于改进的特征金字塔网络和度量学习的钢轨表面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：CN115526864B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202211209175.4，技术领域涉及：G06T7/00；该发明授权基于改进的特征金字塔网络和度量学习的钢轨表面缺陷检测方法是由贺振东;安小宇;刁智华;刘洁;葛世举;赵素娜;何艳;张辉;杨易民;张杰设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本基于改进的特征金字塔网络和度量学习的钢轨表面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的特征金字塔网络和度量学习的钢轨表面缺陷检测方法，在ResNet50网络中加入可变形卷积DC和卷积注意模块CBAM，得到改进的特征金字塔网络FPN，在MSCOCO数据集上预训练改进的特征金字塔网络FPN，将训练后的网络参数和网络模型迁移到钢轨表面缺陷检测模型中；对钢轨表面缺陷数据集利用改进的FPN网络进行特征提取和定位，得到特征图ROI输入RepMet网络，利用多模态网络结构和DML嵌入模块的特征向量计算钢轨缺陷分类识别的概率，实现缺陷检测的目标识别和分类。本发明相比其他少样本方法有更好的性能提升。

本发明授权基于改进的特征金字塔网络和度量学习的钢轨表面缺陷检测方法在权利要求书中公布了：1.一种基于改进的特征金字塔网络和度量学习的钢轨表面缺陷检测方法，其特征在于，包括以下步骤： 1在ResNet50网络中加入可变形卷积DC和卷积注意模块CBAM，得到改进的特征金字塔网络FPN，作为钢轨表面缺陷特征提取网络； 改进的特征金字塔网络FPN，首先对图像进行可变形卷积DC，通过卷积注意模块CBAM聚焦钢轨缺陷特征，1×1卷积操作后，对上一层的特征图进行上采样并叠加融合当前层的特征图，3×3卷积之后得到不同尺度的特征图p2，p3，p4，p5，由对应各自的区域建议网络RPN得到特征图ROI，最后进行ROI池化，即可完成钢轨表面缺陷的特征提取； 可变形卷积DC为给卷积操作每个点加上一个可学习的偏移量ΔPn，通过偏移量学习目标后，可变形卷积核的大小和位置根据当前图像内调整，不同位置的卷积核采样点根据图像内容进行自适应变化；可变形卷积DC定义为： 式中，yP0表示图像中P0点完成卷积操作后的值；Pn表示的是R中所有位置； 2在MSCOCO数据集上预训练改进的特征金字塔网络FPN，然后将训练后的网络参数和网络模型迁移到钢轨表面缺陷检测模型中； 3对钢轨表面缺陷数据集利用改进的FPN网络进行钢轨表面缺陷特征提取和定位，得到特征图ROI； 4将特征图ROI输入RepMet网络，RepMet网络包括距离度量学习DML嵌入模块；利用多模态网络结构获取ROI特征以得到对应的特征向量，再通过计算各个模态代表与DML嵌入模块得到的特征向量的距离，进行缺陷分类识别； 具体包括： 4.1利用多模态网络结构再进行一次卷积操作提取缺陷ROI特征，然后经全连接层提取得到各模态对应的特征向量Eij；每一个模态网络中由2个全连接层组成，并且每个全连接层后都加上ReLU激活函数； 4.2经DML嵌入模块进行非线性处理后得到特征矢量Ei；DML嵌入模块由3个全连接层组成，并且每个全连接层后都加上ReLU激活函数； 4.3计算特征矢量Ei与特征向量Eij之间的距离，表示经过FPN提取的i类在嵌入特征矢量Ei与各模态特征向量Eij的距离，这些距离用来计算给定ROI在每个类i在各模态j中的概率，从而进行ROI的分类判定。

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郑州轻工业大学，其通讯地址为：450000 河南省郑州市金水区东风路5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”。