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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于改进UNet模型的水下管道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：CN119693318B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411750202.8，技术领域涉及：G06T7/00；该发明授权一种基于改进UNet模型的水下管道缺陷检测方法是由邓立平;陶建国设计研发完成，并于2024-12-02向国家知识产权局提交的专利申请。

本一种基于改进UNet模型的水下管道缺陷检测方法在说明书摘要公布了：本发明涉及深度学习技术领域，提供一种基于改进UNet模型的水下管道缺陷检测方法，包括：在第一分支中，基于改进UNet网络框架构建用于特征提取的先验分布网络，对原始水下管道图像进行特征提取和重建，生成管道缺陷特征提取图像；在第二分支中，基于改进UNet网络框架构建用于水下图像增强的后验分布网络，对原始水下管道图像和参考图像进行特征增强生成管道缺陷特征增强图像；通过Pr模块、Po模块和AdaIN模块对管道缺陷特征提取图像和管道缺陷特征增强图像进行增强统计变换，生成管道缺陷识别图像。本发明解决了水下管道图像进行增强和缺陷检测存在的不同难题，提高网络模型的特征表达能力，最终取得泛化能力佳、鲁棒性好、增强和缺陷检测效率高的优点。

本发明授权一种基于改进UNet模型的水下管道缺陷检测方法在权利要求书中公布了：1.一种基于改进UNet模型的水下管道缺陷检测方法，其特征在于，包括： 在第一分支中，基于改进UNet网络框架构建用于特征提取的先验分布网络，通过所述先验分布网络对原始水下管道图像进行特征提取和重建，生成管道缺陷特征提取图像； 在第二分支中，基于所述改进UNet网络框架构建用于水下图像增强的后验分布网络，通过所述后验分布网络对所述原始水下管道图像和参考图像进行特征增强，生成管道缺陷特征增强图像； 通过Pr模块、Po模块和AdaIN模块，对所述管道缺陷特征提取图像和所述管道缺陷特征增强图像进行增强统计变换，生成管道缺陷识别图像； 在所述先验分布网络所述后验分布网络中包括以下步骤： 步骤S1、将所述原始水下管道图像，或者所述原始水下管道图像和所述参考图像，通过串联卷积块和LeakyReLU激活函数进行通道数转换生成第一特征图； 步骤S2、将所述第一特征图通过动态卷积模块进行特征提取，生成第二特征图； 步骤S3、将所述第二特征图通过最大池化层进行特征巩固，生成第三特征图； 步骤S4、将所述步骤S1至所述步骤S3重复至少两次，生成第四特征图，其中所述动态卷积模块的卷积核数量逐次增加； 步骤S5、将所述第四特征图通过卷积注意力模块增强区域识别，生成第五特征图； 步骤S6、将所述第五特征图通过上采样层、特征拼接和卷积层，生成所述管道缺陷特征提取图像或所述管道缺陷特征增强图像； 所述的通过Pr模块、Po模块和AdaIN模块，对管道缺陷特征提取图像和管道缺陷特征增强图像进行增强统计变换生成管道缺陷识别图像，包括： 所述管道缺陷特征提取图像经过所述Pr模块输入所述AdaIN模块； 所述管道缺陷特征增强图像经过所述Po模块输入所述AdaIN模块； 所述AdaIN模块通过自适应调整其输入特征图的均值和方差生成所述管道缺陷识别图像； 所述的AdaIN模块通过自适应调整其输入特征图的均值和方差生成管道缺陷识别图像，包括： 所述Po模块接收所述原始水下管道图像和所述参考图像生成的管道缺陷特征增强图像的后验分布，并从中抽取随机样本输入所述AdaIN模块，用以在训练阶段使所述AdaIN模块学习增强图像； 通过所述Pr模块生成所述管道缺陷特征提取图像的随机样本，将所述随机样本和所述管道缺陷特征提取图像输入所述AdaIN模块的特征表示，用以在训练阶段使所述AdaIN模块学习增强图像，在测试阶段使所述AdaIN模块进行预测。

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哈尔滨工业大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区西大直街92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。