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！

龙图腾网获悉新疆维吾尔自治区特种设备检验研究院申请的专利一种基于解耦检测头YOLOv5的DR管道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：CN116993657B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310577871.9，技术领域涉及：G06T7/00；该发明授权一种基于解耦检测头YOLOv5的DR管道缺陷检测方法是由时亚南;范效礼;苗锐;李强;叶伟;鲁玉坤;宋伟;王昕;王亮;杨松涛;依马木艾山·买买提;李军;陈思宇;张小垒;刘瑞瑞设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种基于解耦检测头YOLOv5的DR管道缺陷检测方法在说明书摘要公布了：本发明公开了一种基于解耦检测头YOLOv5的DR管道缺陷检测方法，包括：将管道表面缺陷图像数据集输入至单阶段检测模型YOLOv5n的主干网络，输出五个不同尺度的特征图；将中间的三个特征图输入至单阶段检测模型YOLOv5n的颈部网络进行特征融合，输出三个特征图；将颈部网络输出的三个特征图与主干网络输出的剩余两个特征图输入至任务独立解耦检测头进行分类和回归预测，得到分类和回归预测结果。本发明在YOLOv5n的检测头中引入任务独立解耦检测头，分别为分类和回归两类任务构建独立的特征图实现解耦，来提高DR管道缺陷检测精度。

本发明授权一种基于解耦检测头YOLOv5的DR管道缺陷检测方法在权利要求书中公布了：1.一种基于解耦检测头YOLOv5的DR管道缺陷检测方法，其特征在于，包括： S1、将管道表面缺陷图像输入至单阶段检测模型YOLOv5n的主干网络，输出五个不同尺度的特征图P2～P6； 具体包括： S101：对管道表面缺陷图像的输入图像进行2倍下采样得到特征图P1，然后再经过2倍下采样和1个C3模块得到特征图P2； S102：将S101中得到的特征图进行2倍下采样，然后经过2个C3模块得到特征图P3； S103：将S102中得到的特征图进行2倍下采样，然后经过3个C3模块得到特征图P4； S104：将S103中得到的特征图进行2倍下采样，然后经过1个C3模块和1个SPPF模块得到特征图P5； S105：将S104中得到的特征图进行2倍下采样，然后经过1个C3模块得到特征图P6； S2、将中间的三个特征图P3～P5输入至单阶段检测模型YOLOv5n的颈部网络进行特征融合，输出三个特征图P3‘～P5‘； 具体包括： S201：将特征图P3、P4和P5中的高层特征图通过上采样操作与低层特征图进行通道的拼接融合，得到输出特征图； S202：将S201输出特征图中的低层特征图通过下采样操作与高层特征图进行通道的拼接融合，得到输出特征图P3'、P4′和P5′； S3、将颈部网络输出的三个特征图P3‘～P5’与主干网络输出的剩余两个特征图P2、P6输入至任务独立解耦检测头进行分类和回归预测，得到分类和回归预测结果；具体包括： S301：将S202获得的输出特征图P3'、P4′和P5′以及S101和S105的输出特征图P2和P6输入到任务独立解耦检测头进行最终的分类和回归预测，得到初始的预测结果；其中，S301中的任务独立解耦检测头由通道编码和尺度编码两个模块构成，分别用于分类和回归；通道编码模块的输入为特征图Pi'和P′i+1，i∈{3,4,5}，Pi经过下采样后与Pi+1进行拼接，然后经过卷积核大小为3×3的深度可分离卷积得到分类预测结果；尺度编码模块的输入为特征图P′i-1、Pi'和P′i+1，i∈{3,4,5}，P′i-1、Pi'和P′i+1分别经过下采样、1×1卷积和上采样后进行拼接，然后经过卷积核大小为3×3的深度可分离卷积得到回归预测结果；其中，深度可分离卷积由3×3的逐通道卷积和1×1的逐点卷积构成； S302：将S301的预测结果输入到非极大值抑制后处理算法中移除冗余的预测结果，然后得到最终的预测结果。

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新疆维吾尔自治区特种设备检验研究院，其通讯地址为：830011 新疆维吾尔自治区乌鲁木齐市高新区河北东路188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。