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！

龙图腾网获悉南京工业大学申请的专利基于多分支特征提取和自适应增强策略的PCB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：CN121010597B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511538478.4，技术领域涉及：G06T7/00；该发明授权基于多分支特征提取和自适应增强策略的PCB缺陷检测方法是由缪小冬;李东;卢冰玉;苏国庆;徐贵奕设计研发完成，并于2025-10-27向国家知识产权局提交的专利申请。

本基于多分支特征提取和自适应增强策略的PCB缺陷检测方法在说明书摘要公布了：本发明涉及小目标检测技术，具体为一种基于多分支特征提取和自适应注意力融合策略的PCB表面小目标缺陷检测方法，获取PCB表面缺陷数据集，构建PCB小目标缺陷检测网络，主干网络中引入C3k2‑PPA模块，依托局部补丁特征增强机制，通过内部并行化补丁感知注意力模块实现高效特征提取，采用局部分支+全局分支+串行卷积分支的多分支策略，通过调控补丁参数实现局部细节与全局上下文特征的精准交互，减少计算冗余；同时，在多分支特征提取后引入注意力机制，对关键特征进行自适应增强。本发明显著提升PCB表面小目标缺陷检测精度，有效减少漏检与误检，实现小目标缺陷的高效识别，适配工业场景下PCB质量检测的实际需求。

本发明授权基于多分支特征提取和自适应增强策略的PCB缺陷检测方法在权利要求书中公布了：1.一种基于多分支特征提取和自适应增强策略的PCB缺陷检测方法，其特征在于，包括以下步骤： 步骤1、获取含有不同缺陷类型的PCB图像，并对PCB图像进行分类和筛选，对筛选后的图像进行人工标注形成PCB表面缺陷数据集，并划分出训练集、验证集和测试集； 步骤2、构建基于多分支特征提取和特征融合注意力策略的PCB表面小目标缺陷检测网络，PCB表面小目标缺陷检测网络的主干网络依次包括一层卷积层和四层结构相同的C3k2-PPA模块；原始缺陷图像依次经过卷积层和四层C3k2-PPA模块处理，当前层输出的特征图再进入下一层，； 每一层C3k2-PPA模块中，输入的特征图先经过一个卷积层进行初步特征提取，卷积层输出的初步特征图经过拆分模块拆分为大小相同的n个分支特征图，对于后n-1个分支特征图是分别将上一层特征与当前层特征进行融合，，并且每一个分支特征图均通过并行化补丁感知注意力模块进行多分支特征提取以及特征融合注意力机制得到特征，最后将所有分支的特征进行连接，并通过一个卷积层调整维度，输出当前层的对应特征图； 步骤3、最后一层C3k2-PPA模块输出的特征图，先输入快速空间金字塔池化模块SPPF进行多尺度特征聚合，再经过基于注意力机制的特征提取模块C2PSA处理后，依次输入颈部网络和检测头网络，通过颈部网络和检测头网络实现特征融合，实现PCB表面小目标缺陷的检测分类； 步骤4、使用步骤1构建的训练集为输入对步骤2构建的PCB表面小目标缺陷检测网络进行训练；在每轮训练结束后，通过验证集计算检测网络的平均精度均值mAP；训练完成后，选取训练过程中mAP值最高时对应的网络权重，作为最优网络权重； 步骤5、将待检测的PCB表面图像按步骤1标准进行预处理后，输入加载最优权重的PCB表面小目标缺陷检测网络，输出完整缺陷检测结果，检测结果包括缺陷类别、缺陷位置及置信度； 上述每一层C3k2-PPA模块中均设有并行化补丁感知注意力模块PPA，并行化补丁感知注意力模块PPA中输入的特征图经逐点卷积后再分为局部分支、全局分支以及串行卷积分支三个分支进行特征提取，提取局部分支特征图、全局分支特征图以及串行卷积分支特征图的具体过程如下： 首先，对进行高效分块处理，通过展开操作将其转换为空间连续的尺寸斑块，重组维度后形成结构，随后沿通道维度进行均值池化压缩，得到斑块特征； ； ； ； 其中，为分块操作函数，为PPA模块中经逐点卷积调整后的特征图，为维度重塑操作，为补丁大小参数，为经通道维度均值池化后的斑块特征，为通道索引取值范围为[1,C]； 然后，通过前馈网络FFN对分块特征实施线性变换，将维特征投影到维空间，得到输出特征，对特征应用Softmax激活函数生成空间概率分布矩阵； ； 其中，为空间概率分布矩阵；Softmax为激活函数；d为特征z的维度； 接着，引入任务感知机制利用任务嵌入向量ξ和投影矩阵对标记进行动态加权，通过余弦相似度函数计算每个标记与任务的相关性，再通过矩阵乘法对加权，生成重新加权的特征； ； ； 其中，是余弦相似度函数，边界在[0,1]内，为加权前的第i个标记，为任务嵌入向量，为投影矩阵，为加权后的第i个标记； 再次，对加权特征进行通道选择和空间重组，通过P矩阵的线性变换实现通道维度筛选，随后通过重塑和插值操作恢复原始空间尺寸，最终输出局部特征和全局特征； 最后，构建串行卷积分支提取融合特征，即采用三个3x3卷积组成的序列卷积逐步融合局部和上下文信息，形成兼具局部细节和全局上下文信息的串行卷积分支特征图； ； 其中，为串行卷积分支的输出特征图，为3×3卷积操作。

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南京工业大学，其通讯地址为：211816 江苏省南京市浦口区浦珠南路30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。