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！

龙图腾网获悉南昌大学申请的专利一种基于深度学习的铜合金元件质量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：CN119444673B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202411414591.7，技术领域涉及：G06T7/00；该发明授权一种基于深度学习的铜合金元件质量检测方法是由朱小刚;严之寒;贺希楠;丁峰;华鑫设计研发完成，并于2024-10-11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铜合金元件质量检测方法在说明书摘要公布了：本发明提供了一种基于深度学习的铜合金元件质量检测方法，S1：通过激光扫描进行铜合金元件初始点云数据的采集；S2：使用双边滤波算法对采集数据预处理，得到去噪后的铜合金元件点云数据；S3：基于深度学习对铜合金元件进行尺寸检测分类，得到尺寸检测结果；S4：尺寸合格的铜合金元件进入表面缺陷检测，在表面缺陷检测中，对YOLOv7网络模型进行改进，对其进行轻量化处理的同时增加注意力机制，基于改进后的YOLOv7网络模型进行表面缺陷检测得到检测结果。本发明使用深度学习来检测铜合金元件的表面质量检测和尺寸质量检测。在表面质量检测方面，在原始的YOLOv7上进行了针对性改进，使得网络可以更加适应小尺寸和尺度变化较大的缺陷，且更加容易部署。

本发明授权一种基于深度学习的铜合金元件质量检测方法在权利要求书中公布了：1.一种基于深度学习的铜合金元件质量检测方法，其特征在于，包括如下步骤： S1：通过激光扫描进行铜合金元件初始点云数据的采集； S2：使用双边滤波算法对采集数据预处理，得到去噪后的铜合金元件点云数据； S3：基于深度学习对铜合金元件进行尺寸检测分类，得到尺寸检测结果； S4：尺寸合格的铜合金元件进入表面缺陷检测，在表面缺陷检测中，对YOLOv7网络模型进行改进，对其进行轻量化处理的同时增加注意力机制，基于改进后的YOLOv7网络模型进行表面缺陷检测得到检测结果； 其中，S2中双边滤波采用了两个高斯滤波的结合，一个负责计算空间邻近度的权值，另一个负责计算像素值相似度的权值，在两个高斯滤波的同时作用下，就是双边滤波，表达式如下： ； 其中gi,j代表输出点;Si,j代表的是指以i,j为中心的2R+12R+1的大小的范围;fk,l代表输入点;wi,j,k,l代表经过两个高斯函数计算出的值； 为空间临近高斯函数，衡量的是pi,j，qk,l两点之间的距离，距离越远权重越低，为像素值相似度高斯函数，衡量的是p,q两点之间的像素值相似程度，越相似权重越大； ； ； 其中fi,j表示pi,j对应的像素值，s为空间域标准差，r为值域标准差； S4中采用MobileNetV3来轻量化网络结构，MobileNet对标准卷积进行修改，设计深度可分离卷积；深度可分离卷积结构是由深度卷积和点卷积这两组卷积共同组成；其中深度卷积使用通道数为一的卷积核，每个卷积核负责单独的一个通道，也就是卷积核个数与输入通道输出一致；点卷积的卷积核大小为1x1，进行对特征图的升降维； 深度卷积：深度卷积的卷积核尺寸DK×DK×1，个数为M，每个都要做DF×DF次乘加运算，计算量为： ； 点卷积的卷积核尺寸为1×1×M，个数为N，每个都要做DF×DF次乘加运算，计算量为： ； 深度可分离卷积的计算量为： 。

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昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。