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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利一种基于深度学习的钢管小目标缺陷识别定位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：CN117237662B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202311090931.0，技术领域涉及：G06V10/44；该发明授权一种基于深度学习的钢管小目标缺陷识别定位方法是由宋纯贺;王丽丽;高鹏佩;许莹莹;李栋;曾鹏设计研发完成，并于2023-08-29向国家知识产权局提交的专利申请。

本一种基于深度学习的钢管小目标缺陷识别定位方法在说明书摘要公布了：本发明属于深度学习工业机器视觉领域，具体说是一种基于深度学习的钢管小目标缺陷识别定位方法，包括以下步骤：通过Yolo5的骨干层对目标图像的特征信息进行提取，在提取过程中引入Transformer网络，进一步对目标图像中多个小目标缺陷的位置和特征信息进行再提取，将提取到的目标图像中多个小目标缺陷位置的特征信息输入至网络层；对网络层中网络结构进行优化，对骨干层提取到目标图像的特征信息进行特征进行融合，得到网络层提取到的特征信息；将网络层提取到的特征信息进行特征筛选，得到钢管缺陷的目标大小，最终输出目标图像中钢管缺陷识别结果。本发明使钢管小目标缺陷的识别的准确率以及精确度更高。

本发明授权一种基于深度学习的钢管小目标缺陷识别定位方法在权利要求书中公布了：1.一种基于深度学习的钢管小目标缺陷识别定位方法，其特征在于，包括以下步骤： 1通过Yolo5的骨干层对目标图像的特征信息进行提取，在提取过程中引入Transformer网络，进一步对目标图像中多个小目标缺陷的位置和特征信息进行再提取，将提取到的目标图像中多个小目标缺陷位置的特征信息输入至网络层； 所述在提取过程中引入Transformer网络，进一步对目标图像中多个小目标缺陷的位置和特征信息进行再提取，具体为： 通过引入Transformer网络对挂杆层中的PE编码模块进行优化，优化后的PE编码模块表达式为： ； ； 其中，pos为单词的位置，i为单词的维度，为位置编码的一个特征向量，LR为LeakyRelu函数，为非线性函数，以防止梯度消失； 根据PE模块随着i的增大，减缓线性变换的速度，缓解训练过程中Transformer运行的不稳定性，提升模块对细节特征提取的能力； 2对Yolov5的网络层中网络结构进行优化，以提升网络模型对各维度的特征信息进行融合的能力，对骨干层提取到目标图像的特征信息进行特征进行融合，得到网络层提取到的特征信息； 步骤2，具体为： 通过MHSA函数来对Yolov5的网络结构进行优化，即： 在Yolov5中，网络层通过FPN_PANet将不同尺度的特征交叉融合，将FPN_PANet特征融合层最下层的卷积替换为多头自注意力模块MHSA； 从骨干层获取到的特征信息，网络层再利用上采样的方式将特征图的尺寸不断地变大，而利用下采样让特征图地尺寸不断地变小，并将不同层次的图形特征和语义特征进行融合，以获取到更加全面的特征信息； 3将网络层提取到的特征信息进行特征筛选，得到钢管缺陷的目标大小，最终输出目标图像中钢管缺陷识别结果。

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中国科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。