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！

龙图腾网获悉西安理工大学申请的专利一种改进的铝型材表面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：CN117252806B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202310868006.X，技术领域涉及：G06T7/00；该发明授权一种改进的铝型材表面缺陷检测方法是由杨延西;李思雨;曹孝碧设计研发完成，并于2023-07-14向国家知识产权局提交的专利申请。

本一种改进的铝型材表面缺陷检测方法在说明书摘要公布了：本发明公开了一种改进的铝型材表面缺陷检测方法，具体按照以下步骤实施：步骤1、数据预处理阶段；步骤2、数据集生成阶段；步骤3、Yolov5模型改进阶段；步骤4、缺陷检测阶段；基于改进Yolov5的小目标铝型材表面缺陷检测方法，以铝型材表面缺陷检测为背景，以深度学习的表面缺陷检测技术为基础，基于Yolov5网络模型，首先结合传统方法和BBHE算法对数据集进行数据增强，并通过StyleGAN网络生成仿真图像，然后对模型的锚框机制、数据增强方式、注意力机制、损失函数及结构进行改进和优化，最后实现了小目标铝型材表面缺陷的检测精度的显著提高。

本发明授权一种改进的铝型材表面缺陷检测方法在权利要求书中公布了：1.一种改进的铝型材表面缺陷检测方法，其特征在于，具体按照以下步骤实施： 步骤1、数据预处理阶段； 所述步骤1具体按照以下步骤实施： 步骤1.1、选择阿里云的天池大赛数据集，该数据集里包括单瑕疵图片、多瑕疵图片和无瑕疵图片三种类型；铝型材表面缺陷数据集中共有4356张图片，包含1210张无瑕疵图片，3146张单瑕疵图片、多瑕疵图片，分辨率均为2560×1920；单瑕疵图片、多瑕疵图片中包含不导电、擦花、角位漏底、桔皮、漏底、喷流、漆泡、起坑、杂色和脏点共10种类型的缺陷，每张图片包含一种或多种缺陷； 步骤1.2、对单瑕疵图片、多瑕疵图片和无瑕疵图片进行翻转、旋转和加入高斯噪声操作； 步骤1.3、采用平均保持双直方图均衡化算法对数据集中对比度低的图片进行增强； 步骤1.4、采用过采样的方式对数据集中的脏点进行图像增强； 步骤2、数据集生成阶段； 步骤2具体按照以下步骤实施： 步骤2.1、对于擦花、桔皮、喷流和杂色四种缺陷，采用StyleGAN网络生成仿真图像来对这四种缺陷数据进行数据扩充； 步骤2.2、采用LabelImg开源的标框标注工具对扩充后的数据集进行标注； 步骤2.3、对扩充后的数据集采用留出法划分，将数据集分为：训练集、验证集和测试集，划分比例为：8:1:1，训练集的图片共计6130张，验证集的图片共计766张，测试集的图片共计766张； 步骤3、Yolov5模型改进阶段； 步骤3中，对Yolov5-s最小网络模型的锚框机制、数据增强方式、注意力机制、损失函数及结构进行改进，以增强小目标的特征提取能力，提出Yolov5-CA-GFPN模型； 步骤3具体按照以下步骤实施： 步骤3.1、将Yolov5模型中原始K-Means的欧氏距离替换为1-IoU； 步骤3.2、采用马赛克-9的方式改进Yolov5模型的数据增强方式； 步骤3.3、在Yolov5的最小网络模型中加入CA注意力机制，构成Yolov5-CA模型； 步骤3.3、采用归一化瓦瑟斯坦距离NWD改进Yolov5-CA模型的损失函数； 步骤3.4、采用广义特征金字塔网络结构改进Yolov5-CA模型的脖颈模块； 步骤3.5、提出Yolov5-CA-GFPN模型； 步骤4、缺陷检测阶段； 步骤4具体按照以下步骤实施： 步骤4.1、设置Yolov5-CA-GFPN模型超参数； 步骤4.2、使用步骤2中划分好的数据集训练Yolov5-CA-GFPN模型，并保存网络权重； 步骤4.3、加载训练好的Yolov5-CA-GFPN模型权重，使用测试集进行预测； 步骤4.4、得到预测结果。

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西安理工大学，其通讯地址为：710048 陕西省西安市金花南路5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。