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！

龙图腾网获悉合肥工业大学申请的专利基于迁移学习与多注意力机制的废旧电路板缺陷分类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：CN116664921B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202310561753.9，技术领域涉及：G06V10/764；该发明授权基于迁移学习与多注意力机制的废旧电路板缺陷分类方法是由李新宇;余光海;刘贺;刘志峰设计研发完成，并于2023-05-16向国家知识产权局提交的专利申请。

本基于迁移学习与多注意力机制的废旧电路板缺陷分类方法在说明书摘要公布了：本发明涉及废旧电路板表面缺陷识别技术领域，具体涉及针对基于迁移学习与多注意力机制的废旧电路板缺陷分类方法、使用了该种方法的废旧电路板缺陷分类装置。本发明基于ResNet50网络进行了改进，将经过ImageNet的预训练模型参数迁移到ResNet50网络中并作为初始化权重，降低了模型训练成本，明显提高了模型的准确率与收敛速度；而且在ResNet50网络中融合了SE、CA的多注意力机制，具有协同作用，可以进一步提高模型对特征的关注度，增强了网络的鲁棒性和泛化能力，在提升少量参数的情况下实现更大幅度的识别准确率。

本发明授权基于迁移学习与多注意力机制的废旧电路板缺陷分类方法在权利要求书中公布了：1.基于迁移学习与多注意力机制的废旧电路板缺陷分类方法，包括以下步骤： S1，构建改进ResNet50模型； S2，对构建的改进ResNet50模型进行训练； S3，使用训练好的改进ResNet50模型，进行废旧电路板表面缺陷分类； 其特征在于，S1中，所述改进ResNet50模型的构建方法包括： 获取ResNet50网络；将ResNet50网络的全连接层结构修改为1×5；将ResNet50网络的参数迁移为预训练模型的参数，作为初始化权重；所述预训练模型为ResNet50网络在ImageNet训练得到的；将注意力SE模块嵌入到ResNet50网络的Layer1、Layer2层中；将注意力CA模块嵌入到ResNet50网络的Layer3、Layer4层中； S1中，将ResNet50网络的Layer1、Layer2、Layer3层参数替换为预训练模型的Layer1、Layer2、Layer3层参数； 将注意力SE模块嵌入到ResNet50网络的Layer1、Layer2层中的方法包括： 选定ResNet50网络的Layer1、Layer2层中的Bottleneck残差结构层；对Layer1、Layer2层中的任一Bottleneck残差结构层的卷积输入进行全局池化，得到特征图一；对特征图一先降维得到降维图，再升维得到特征图二；对特征图二进行经过Sigmoid激活函数处理，得到特征图三；将特征图三与Layer1、Layer2层中的对应的Bottleneck残差结构层的卷积输入相乘，将乘积作为Layer1、Layer2层中的对应的Bottleneck残差结构层的输出； 将注意力CA模块嵌入到ResNet50网络的Layer3、Layer4层中的方法包括： 选定ResNet50网络的Layer3、Layer4层中的Bottleneck残差结构层； 对Layer3、Layer4层中的任一Bottleneck残差结构层的卷积输入进行宽度方向和高度方向的1D池化，得到两个信息嵌入特征图；对两个信息嵌入特征图沿着空间维度拼接，再经过1×1卷积变换激活，得到信息拼接图；在空间维度对信息拼接图用Split操作得到两个信息分割特征图；对两个信息分割特征图进行1×1卷积，再经过Sigmoid激活函数处理，形成两个注意力向量；将两个注意力向量分别按高度方向和宽度方向广播，将其尺寸恢复到与Layer3、Layer4层中的对应的Bottleneck残差结构层的卷积输入尺寸相同，再与Layer3、Layer4层中的对应的Bottleneck残差结构层的卷积输入相乘，将乘积作为Layer3、Layer4层中的对应的Bottleneck残差结构层的输出。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。

以上内容由龙图腾AI智能生成。