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！

龙图腾网获悉四川华能太平驿水电有限责任公司;西安热工研究院有限公司申请的专利多模态特征与提示机制的过流面缺陷检测识别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：CN120374630B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510876958.5，技术领域涉及：G06T7/00；该发明授权多模态特征与提示机制的过流面缺陷检测识别方法及系统是由赵栋栋;李巍;杜仁举;李生文;陈嵩;娄正计;李军;陈盛广;张玺;王博;张义;施杰设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本多模态特征与提示机制的过流面缺陷检测识别方法及系统在说明书摘要公布了：本发明涉及工业缺陷检测技术领域，公开了多模态特征与提示机制的过流面缺陷检测识别方法及系统，包括：采集水轮机转轮过流面表面的图像数据和点云数据，将点云数据转换成的表面缺陷二维图像；基于深度递归网络的图像超分辨率重建方法，得到的高分辨率缺陷图像；缺陷图像输入生成对抗网络，判断数据来源，通过目标函数优化生成模型生成高质量缺陷图像，扩充数据集供缺陷识别检测模型使用；将点云数据输入PDE‑Net进行动态邻接图构建，经图卷积与多层特征提取后映射到具体缺陷类别。本发明的有益效果：在多模态特征提取阶段引入了混合注意力机制，充分提取了缺陷图像中的全局信息和局部细节，提高了复杂缺陷的检测能力。

本发明授权多模态特征与提示机制的过流面缺陷检测识别方法及系统在权利要求书中公布了：1.多模态特征与提示机制的过流面缺陷检测识别方法，其特征在于，包括： 采集水轮机转轮过流面表面的图像数据和点云数据，将点云数据转换成的表面缺陷二维图像； 基于深度递归网络的图像超分辨率重建方法，得到的高分辨率缺陷图像； 缺陷图像输入生成对抗网络，判断数据来源，通过目标函数优化生成模型生成高质量缺陷图像，扩充数据集供缺陷识别检测模型使用； 将点云数据输入PDE-Net进行动态邻接图构建，经图卷积与多层特征提取后映射出缺陷的类别； 所述生成高质量缺陷图像包括，多模态特征提取中对云数据处理时，构建动态邻接图环节，PDE-Net针对输入的点云数据采用K近邻算法计算点间欧几里得距离确定最近邻，且每层特征提取时重新计算邻接点以实现动态邻接图构建，同时对每一对邻近点pi和pj计算变特征，通过拼接点的特征及对应位置特征获取，其中，通过特征映射值表示对应点的特征及位置： eij＝fpi,pj＝[hi,hj,pj-pi] 其中，eij为表示点pi和pj之间的特征映射值，hi和hj表示点pi和pj的特征表示，pj-pi表示两点的相对位置； 所述扩充数据集包括，利用混合注意力机制提取图像的轮廓、形状、纹理的全局特征，并增强模型对小尺度缺陷的局部学习能力； 混合注意力机制由全局注意力机制和局部注意力机制加权融合构成，公式表示为： 其中，aij为全局注意力权重，score表示余弦相似度函数，n表示输入序列的长度；xi、xj、xk表示输入序列的元素i、j、k；i、j、k为变量索引； 局部注意力机制，设置每个元素的局部上下文窗口为3，在当前窗口内计算相似度，并应用softmax函数获得局部注意力权重，公式表示为： 混合注意力机制使用全局注意力机制和局部注意力机制的权重对输入进行加权求和，形成上下文表示为： 并采用加权方式将GA和LA机制的上下文表示进行融合，形成新的综合特征向量，计算公式表示为： 其中，aij'为局部注意力权重，表示超参数，控制全局和局部信息的权重；local_window表示局部上下文窗口；表示对整个序列的加权求和，表示使用局部上下文窗口中的加权求和； 所述缺陷识别检测模型包括，构建缺陷检测中的提示机制，将含拼接裂缝和裂纹缺陷的图像输入分支网络，通过设计损失函数学习裂纹和拼接裂缝特征，提示机制用Sigmoid激活函数生成二分类掩膜表示像素点为接缝或裂纹的概率，并输出接缝特征向量； 以特征提取网络输出的多模态融合特征为输入，结合提示机制的拼接裂缝信息与特征，使检测网络能识别缺陷类型并甄别接缝与裂纹缺陷，对应损失函数由置信度、边界框和分类损失函数加权求和得到，通过计算当前损失函数评估缺陷标注框合理性。

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四川华能太平驿水电有限责任公司;西安热工研究院有限公司，其通讯地址为：623003 四川省阿坝藏族羌族自治州汶川县映秀镇；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”。