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(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利基于重参化和注意力机制的贴片保险丝表面缺陷检测方法及装置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：CN117455832B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202311185801.5，技术领域涉及：G06T7/00；该发明授权基于重参化和注意力机制的贴片保险丝表面缺陷检测方法及装置是由周琪;王鸿鹏;程正涛设计研发完成，并于2023-09-14向国家知识产权局提交的专利申请。

本基于重参化和注意力机制的贴片保险丝表面缺陷检测方法及装置在说明书摘要公布了：本发明公开一种基于重参化和注意力机制的贴片保险丝表面缺陷检测方法及装置，方法包括获取已标注贴片保险丝的表面图像并形成总训练集；基于总训练集构建并训练缺陷检测模型；将训练好的缺陷检测模型重参化以转化为推理模型；利用NVIDIATensorRT库优化训练好的缺陷检测模型，进行格式转化并保存；检测并分类待测贴片保险丝的表面图像。本发明提出了一种全新的参数量较小且训练速度、推理速度较快与准确率高的基于重参化与注意力机制的深度学习模型，并将其应用于贴片保险丝缺陷检测任务上，提出一套完整的保险丝缺陷检测流程。

本发明授权基于重参化和注意力机制的贴片保险丝表面缺陷检测方法及装置在权利要求书中公布了：1.基于重参化和注意力机制的贴片保险丝表面缺陷检测方法，其特征在于，包括以下步骤： 获取已标注贴片保险丝的表面图像并进行预处理，形成总训练集；所述总训练集中每幅图像对应一个标签；所述标签包括缺帽、漏帽、管裂和裂帽及良品； 构建缺陷检测模型，并利用所述总训练集训练该缺陷检测模型，得到训练好的缺陷检测模型；所述缺陷检测模型包括第一模块、第二模块、第三模块、第四模块、注意力模块和线性分类层，所述第一模块、第二模块、第三模块、第四模块用于扩大贴片保险丝图像特征的感受野并提取其局部特征；所述注意力模块用于加强神经网络对贴片保险丝的表面图像特征空间维度的注意；所述线性分类层用于计算获取分类概率结果并进行反向传播； 将训练好的缺陷检测模型重参化，转化为推理模型；具体为，将缺陷检测模型的第一模块、第二模块、第三模块、第四模块中卷积层和残差分支通过卷积核填充转化为新的卷积层，并且与其并行的卷积层进行合并，得到推理模型； 将推理模型保存为ONNX格式，调用NVIDIATensorRT库进行模型优化，而后将ONNX格式的推理模型转化为trt格式的推理模型并保存； 利用trt格式的推理模型对待测贴片保险丝的表面图像进行检测，得到待测贴片保险丝的属于某一类别的概率，取概率最大对应标签即为保险丝缺陷种类； 所述第一模块、第二模块、第三模块、第四模块、注意力模块和线性分类层，具体为： 第一模块、第二模块、第三模块、第四模块分别包括1个、2个、4个、14个子模块，每个子模块包括两个并行的卷积层和残差分支；所述两个并行的卷积层吸收跟随BatchNormalization层；所述两个并行的卷积层和残差分支的输出相加后经过ReLU层进入下一模块； 第一模块中的两个并行的卷积层包括一个卷积核大小为的卷积层和卷积核的大小为的卷积层； 第二模块、第三模块、第四模块中每个子模块中的两个并行的卷积层包括一个卷积核大小为的卷积层和卷积核的大小为的卷积层； 注意力模块包括两个空间注意力模块，在注意力模块中，其输入经过两个空间注意力模块，得出并拼接计算结果，经过shuffle进行信息交换，最后输出作为线性分类层的输入；所述两个空间注意力模块分别都经过Maxpooling和Averagepooling后进行拼接，输出随后经过大小的卷积核的卷积层，N分别取值为3，5； 线性分类层，计算获取分类概率结果，并进行反向传播。

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(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。