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！

龙图腾网获悉徐州康翔精密制造有限公司申请的专利一种基于多传感器融合的汽车配件质量在线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：CN121030684B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511538317.5，技术领域涉及：G06F18/25；该发明授权一种基于多传感器融合的汽车配件质量在线检测方法是由吴文超;李加强;叶有刚设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本一种基于多传感器融合的汽车配件质量在线检测方法在说明书摘要公布了：本发明公开了一种基于多传感器融合的汽车配件质量在线检测方法，包括：步骤一：采集多模态检测数据；步骤二：对多模态检测数据执行预处理，形成标准化检测数据集；步骤三：将标准化检测数据集输入至改进型CM‑YOLO网络，执行融合特征提取与缺陷检测操作，所述改进型CM‑YOLO网络引入多模态编码结构与共模‑差模融合机制；步骤四：执行缺陷等级判别操作，输出缺陷等级标签集合；步骤五：将缺陷等级标签集合同步至边缘推理设备，执行配件分类与异常响应操作，输出控制执行指令与响应记录信息；步骤六：将响应记录信息以结构化格式上传至本地数据库。本发明提升了汽车配件缺陷检测的准确率与响应控制的实时性。

本发明授权一种基于多传感器融合的汽车配件质量在线检测方法在权利要求书中公布了：1.一种基于多传感器融合的汽车配件质量在线检测方法，其特征在于，包括如下步骤： 步骤一：通过多模态检测设备采集多模态检测数据； 步骤二：对多模态检测数据执行预处理，形成标准化检测数据集； 步骤三：将标准化检测数据集输入至改进型CM-YOLO网络，执行融合特征提取与缺陷检测操作，输出缺陷检测结果；所述改进型CM-YOLO网络引入多模态编码结构与共模-差模融合机制，所述改进型CM-YOLO网络包括图像模态编码分支、非图像模态编码分支、双主干特征提取模块、共模-差模特征融合模块、注意力增强模块和缺陷检测解码模块； 所述图像模态编码分支提取图像模态初始特征； 所述非图像模态编码分支提取非图像模态初始特征，分别生成图像模态嵌入张量和非图像模态嵌入张量； 所述双主干特征提取模块包括图像模态主干网络与非图像模态主干网络，分别对图像模态嵌入张量与非图像模态嵌入张量执行深层特征提取与语义对齐，输出图像模态特征张量与非图像模态特征张量； 所述共模-差模特征融合模块将图像模态特征张量与非图像模态特征张量进行对齐融合，生成融合特征张量，具体为： 将图像模态特征张量与非图像模态特征张量分别输入至通过一层共享结构的线性映射进行通道维度对齐，输出对齐图像模态特征张量与对齐非图像模态特征张量； 将对齐图像模态特征张量与对齐非图像模态特征张量执行逐通道平均操作，计算共模特征张量； 将对齐图像模态特征张量与对齐非图像模态特征张量执行逐通道差分运算，计算差模特征张量； 将共模特征张量与差模特征张量分别通过两层3×3卷积层、GELU激活函数与残差结构提取特征，获得共模语义张量与差模语义张量； 将共模语义张量与差模语义张量在通道维度进行拼接，并通过一层1×1卷积进行通道压缩，通过sigmoid函数进行归一化，输出融合特征张量； 所述注意力增强模块将融合特征张量在通道维度与空间维度进行注意力运算，输出增强特征张量，具体为： 通过全局平均池化将融合特征张量沿空间维度进行压缩，并通过一维卷积与GELU激活函数提取非线性通道特征，输出通道注意力向量； 将通道注意力向量与融合特征张量按通道维度进行逐元素加权，生成通道增强特征张量； 将融合特征张量在通道维度执行最大池化与平均池化，分别生成最大响应图与平均响应图； 将最大响应图与平均响应图在通道维度进行拼接，并输入至卷积核尺寸为7×7的二维卷积层进行特征提取，再通过Sigmoid函数进行归一化，输出空间注意力图； 将空间注意力图与通道增强特征张量在空间维度逐元素加权，生成增强特征张量； 所述缺陷检测解码模块对增强特征张量执行目标定位、类别识别与置信度回归操作，输出缺陷检测结果，具体为： 将增强特征张量分别通过三个空间下采样层，生成三个尺度的预测特征图； 所述三个尺度的预测特征图的每个位置包含多个锚框，每个锚框包含目标中心点坐标偏移量、宽参数、高参数、存在置信度与缺陷类别分数向量； 将中心点坐标偏移量通过Sigmoid映射，并与网格位置偏移相加，转换为归一化坐标，将宽参数和高参数通过指数映射并乘以锚框预设尺寸，获得目标预测框宽度与高度； 将存在置信度通过Sigmoid映射生成目标置信分数，将缺陷类别分数通过Softmax函数生成缺陷类别概率分布，并将最大概率值对应的索引作为缺陷标签； 根据归一化坐标、目标预测框宽度与高度构建目标预测框，并通过目标置信分数与对应缺陷标签的乘积计算目标预测框的综合置信度分数； 将所有尺度下生成的目标预测框按照综合置信度分数进行降序排序，并按照缺陷标签进行分类，形成每类缺陷标签的候选框集合； 针对每类缺陷标签的候选框集合，通过非极大值抑制算法剔除重叠冗余框，仅保留综合置信度最高的目标预测框； 将筛选后的目标预测框和对应的缺陷标签与综合置信度分数组成缺陷检测结果； 步骤四：基于缺陷检测结果执行缺陷等级判别操作，输出缺陷等级标签集合； 步骤五：将缺陷等级标签集合同步至边缘推理设备，并执行配件分类与异常响应操作，输出控制执行指令与响应记录信息； 步骤六：将响应记录信息以结构化格式上传至本地数据库。

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徐州康翔精密制造有限公司，其通讯地址为：221300 江苏省徐州市邳州市碾庄镇五金机械产业园；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。