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！

龙图腾网获悉五邑大学申请的专利零件边缘特征提取方法和装置、电子设备及存储介质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：CN116994000B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310945213.0，技术领域涉及：G06V10/44；该发明授权零件边缘特征提取方法和装置、电子设备及存储介质是由曾志强;田金玉;冯英伟;甄德鑫设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本零件边缘特征提取方法和装置、电子设备及存储介质在说明书摘要公布了：本发明实施例提供了一种零件边缘特征提取方法和装置、电子设备及存储介质。该方法包括通过获取目标零件图像，将目标零件图像输入至预先训练好的显著性目标检测模型进行特征提取，得到零件边缘特征。本发明在编码器和解码器之间引入了注意力融合结构，更好地捕捉图像中不同区域的差异性。通过注意力机制，显著性目标检测模型可以根据图像中不同区域的差异性赋予不同的权重，从而提高显著性目标检测模型的检测性能。在解码器输出分支上提出轻量化的局部大核卷积残差结构，帮助检测模型更好地捕捉图像中的全局上下文信息。相比于小核卷积，大核卷积增加了网络感受野，提高了模型准确性和鲁棒性。基于此，本发明实施例能够准确地提取零件的边缘特征。

本发明授权零件边缘特征提取方法和装置、电子设备及存储介质在权利要求书中公布了：1.一种零件边缘特征提取方法，其特征在于，所述方法包括： 获取目标零件图像； 将所述目标零件图像输入至预先训练好的显著性目标检测模型进行特征提取，得到零件边缘特征，其中，所述显著性目标检测模型包括编码器和解码器，在所述编码器和所述解码器之间引入有注意力融合结构FAS，所述注意力融合结构FAS用于聚焦所述零件边缘特征的局部细节，所述编码器不同stage的输出有不同的分布特征，深层stage输出的高级特征具有丰富的语义信息，浅层stage输出的低级特征具有丰富的细节信息，所述解码器包括局部大核卷积残差结构PLR，通过结合所述局部大核卷积残差结构PLR和双线性插值对所述零件边缘特征实现特征解码； 其中，在所述编码器和所述解码器之间引入有注意力融合结构FAS，所述注意力融合结构FAS用于聚焦所述零件边缘特征的局部细节，包括： 对所述高级特征进行2倍上采样，使所述高级特征与所述低级特征分辨率相同，并通过一个3x3的卷积进行特征平滑，注意力融合结构FAS先通过逐元素乘法，提取高级特征和低级特征之间的共有特征；将所述高级特征继续添加到共有特征中，以抑制共有特征fc中的噪声信息；在所述共有特征上引入空间和通道注意力机制CBAM模块，所述CBAM模块沿着两个独立的维度依次推断注意力图，将所述注意力图与输入特征图相乘以进行自适应特征优化，将所述高级特征与所述共有特征fc再度融合，从而得到注意力融合结构FAS的输出，计算公式如下： f_c=f_l*f_H f_l=f_l*f_H+Af_c+f_H 其中，f_H表示高级特征，f_l表示低级特征，fc表示共有特征，A表示通道和空间注意力机制CBAM； 其中，所述通过结合所述局部大核卷积残差结构PLR和双线性插值对所述零件边缘特征实现特征解码，包括： 将深层stage输出的特征图使用双线性插值法进行2倍上采样，已知i,j,i,j+1,i+1,j,i+1,j+1四个像素点的像素，通过双线性差值法,得到i+u,j+v点的像素为: fi+u,j+v＝1-u*1-v*fi,j+1-u*v*fi,j+1+u*1-v*fi+1,j+u*v*fi+1,j+1； 将i+u,j+v点的像素输入到局部大核卷积残差结构PLR，采用轻量化的大核卷积，以捕捉图像中的全局特征；并采用残差连接的方式，以捕捉图像中的细节信息；将注意力融合结构FAS输出的特征图与当前相邻stage输出的低级特征图进行拼接，与局部大核卷积残差结构PLR的输出相加，实现特征的多尺度融合。

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五邑大学，其通讯地址为：529000 广东省江门市蓬江区东成村22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。