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！

龙图腾网获悉南京信息工程大学申请的专利一种基于改进retinanet算法的带钢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：CN115760734B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202211390496.9，技术领域涉及：G06T7/00；该发明授权一种基于改进retinanet算法的带钢表面缺陷检测方法是由王季宇;郭颖;鲍正位;邵香迎;王友伟;朱琳琳;严舒;黄骏设计研发完成，并于2022-11-08向国家知识产权局提交的专利申请。

本一种基于改进retinanet算法的带钢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retinanet算法的带钢表面缺陷检测方法，包括：获得缺陷图像并对其进行加载以形成缺陷样本，通过数据增方法对所述缺陷样本进行扩充以增加数据集样本，所述数据集样本包括训练集样本、验证集样本和测试集样本；根据retinanet模型搭建表面缺陷检测网络，通过对所述表面缺陷检测网络依次进行参数初始化、设置超参、加载训练集样本以及设置迭代次数的方式，实现模型训练以获得最优检测模型；将所述测试集样本导入所述检测模型中进行测试，并对测试集样本进行类别分类和位置回归，得到最终检测结果；本发明与其他主流检测网络模型相比，在检测钢铁表面缺陷上取得了良好的检测效果。

本发明授权一种基于改进retinanet算法的带钢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retinanet算法的带钢表面缺陷检测方法，其特征在于，包括： 获得缺陷图像并对其进行加载以形成缺陷样本，通过数据增方法对所述缺陷样本进行扩充以增加数据集样本，所述数据集样本包括训练集样本、验证集样本和测试集样本； 根据retinanet模型搭建表面缺陷检测网络，通过对所述表面缺陷检测网络依次进行参数初始化、设置超参、加载训练集样本以及设置迭代次数的方式，实现模型训练以获得最优检测模型； 将所述测试集样本导入所述检测模型中进行测试，并对测试集样本进行类别分类和位置回归，得到最终检测结果； 所述表面缺陷检测网络包括特征提取网络、特征增加网络、特征融合网络以及优化损失函数，所述特征增加网络包括上下文聚合模块以及多尺度感受视野模块，所述表面缺陷检测网络的具体检测方法为： S1、获取有效特征图，其中为浅层特征图、为中高层特征图、为深层特征图，具体操作步骤为选取由5个提取阶段的resnet50作为模型的特征提取网络，resnet50的每个阶段均通过卷积步长生成分辨率大小不同的特征图，选取最后三个阶段的特征图作为有效特征图得到有效特征图； S2、引入上下文聚合模块并通过上下文聚合模块对进行处理，获取小目标信息丰富的； S3、引入含有四个分支多尺度感受视野模块并通过多尺度感受视野模块对进行特征增强，其中多尺度感受视野模块的前三个分支中将原始的特征输入特征和前一个分支的输出特征拼接作为后一个分支的输入； S4、使用可变形卷积以及3×3卷积对特征增强后的进行下采样并生成更深层特征以及，将作为有效特征图送入到特征融合网络进行多尺度特征融合； S5、利用双向加权融合网络BiFPN，即特征融合网络，对五个有效特征图进行多尺度特征融合； S6、优化定位损失，将retinanet模型中的L1loss替换成SmoothL1损失函数进行优化定位损失，所述SmoothL1损失函数的表达式为： 具体为，使用SGD作为模型优化器优化定位损失。

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京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。