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！

龙图腾网获悉北京科技大学申请的专利一种基于白光干涉图像的表面粗糙度检测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：CN119810039B 。

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：202411848841.8，技术领域涉及：G06T7/00；该发明授权一种基于白光干涉图像的表面粗糙度检测方法及系统是由张桃红;夏成龙设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本一种基于白光干涉图像的表面粗糙度检测方法及系统在说明书摘要公布了：本发明公开一种基于白光干涉图像的表面粗糙度检测方法及系统，该方法包括：获取样品表面粗糙度的训练图像集；基于训练图像集，对FAMNet模型进行预训练，通过特征提取网络提取白光干涉图像的特征信息，并通过融合注意力模块采用通道注意力和位置注意力机制对特征信息进行增强和融合；预训练后，对FAMNet模型进行进一步训练，优化其对不同表面粗糙度的检测能力，还可通过多个评价指标对模型性能进行评价；最后，将待检测图像输入到训练好的FAMNet模型中得到检测结果。本发明通过构建融合注意力机制的轻量级语义分割模型FAMNet，增强对不同区域表面粗糙度的识别能力，对金属表面进行准确、高效、快速的粗糙度检测，适用于工业化生产中对表面粗糙度的实时监测。

本发明授权一种基于白光干涉图像的表面粗糙度检测方法及系统在权利要求书中公布了：1.一种基于白光干涉图像的表面粗糙度检测方法，其特征在于，包括以下步骤： S1，获取样品表面粗糙度数据集并进行预处理得到训练图像集，所述训练图像集包括多张样品表面粗糙度的白光干涉图像； S2，基于训练图像集，对FAMNet模型进行预训练，其中，所述FAMNet模型包括特征提取网络、融合注意力模块，通过特征提取网络提取白光干涉图像的特征信息，并通过融合注意力模块采用通道注意力和位置注意力机制对特征信息进行增强和融合； S3，预训练后，对FAMNet模型进行进一步训练，优化其对不同表面粗糙度的检测能力，得到训练好的FAMNet模型作为表面粗糙度检测模型； S4，将待检测图像输入到训练好的FAMNet模型中得到检测结果； 其中，所述S1中，获取样品表面粗糙度数据集并进行预处理得到训练图像集，具体包括： S101，使用白光干涉装置配合图像采集设备，在设定照明条件下拍摄样品的表面粗糙度图像，确保图像能够准确反映样品表面的微观结构，所述表面粗糙度图像为白光干涉图像； S102，根据白光干涉装置的测量数据，确定每幅表面粗糙度图像干涉条纹处的粗糙度值，将粗糙度值作为每幅表面粗糙度图像的粗糙度标签，用于指导FAMNet模型学习表面粗糙度与图像特征之间的对应关系； S103，对采集到的表面粗糙度图像进行预处理； S104，将预处理后的表面粗糙度图像及其对应的粗糙度标签整合，得到训练图像集； 所述S2中，基于训练图像集，对FAMNet模型进行预训练，具体包括： S201，FAMNet模型的特征提取网络通过卷积模块和跳跃连接来逐级细化提取预细粒度特征从而获得更好的局部特征，得到白光干涉图像的特征信息； S202，FAMNet模型中引入融合注意力模块，将通道注意力机制和位置注意力机制相结合，从空间和通道角度增强特征信息；具体包括： 融合注意力模块首先对输入的特征信息，基于通道注意力机制进行通道维度特征提取，以捕获通道依赖性并增强不同通道之间的连接，然后基于位置注意力机制进行空间维度特征提取，以捕获位置依赖性；计算公式如下： ； ； ； ； ； ； ； ； ； 融合注意力模块在第一阶段对输入特征进行通道维度特征提取，以捕获通道依赖性并增强不同通道之间的连接，在第二阶段进行空间维度特征提取以捕获位置依赖性； 在第一阶段，如公式9所示，输入特征X通过卷积操作生成查询、键和值向量，大小为C×H×W；接着，查询、键和值向量被重塑为适合进行矩阵乘法的形状，大小为C×N，如公式10所示； 然后，通过注意力计算公式得到注意力权重，如公式11所示，这个权重随后通过Softmax函数进行归一化，得到归一化后的权重； 接下来，归一化后的权重与值向量进行矩阵乘法，得到加权后的值，这个加权后的值与原始输入特征图X相加，得到输出特征图，如公式12所示； 在第二阶段，输出特征图作为新的输入特征图，经过公式13-14生成第二组查询、键和值向量，并通过线性层Linear进行调整，如公式15所示，再次通过矩阵乘法和Softmax函数计算得到新的注意力权重，并与加权后的值进行矩阵乘法，最后与输入特征图相加，得到最终输出特征图，如公式16-17所示。

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北京科技大学，其通讯地址为：100080 北京市海淀区学院路30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。