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！

龙图腾网获悉信阳师范大学申请的专利一种基于特征提取网络的带钢表面缺陷检测方法与系统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：CN120298305B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202510263419.4，技术领域涉及：G06T7/00；该发明授权一种基于特征提取网络的带钢表面缺陷检测方法与系统是由郭华平;徐成龙;冯岩;孙艳歌;乐洪舟设计研发完成，并于2025-03-06向国家知识产权局提交的专利申请。

本一种基于特征提取网络的带钢表面缺陷检测方法与系统在说明书摘要公布了：本发明公开了一种基于特征提取网络的带钢表面缺陷检测方法与系统，涉及缺陷检测技术领域，包括步骤：获取带钢表面图像；将带钢表面图像输入局部‑全局特征提取网络LGNet中，通过基于残差的瓶颈块RBB捕获带钢表面缺陷的局部特征，并通过基于残差的自适应块RAB动态调整采样点提取缺陷的全局特征，通过通道‑空间协同注意力块CSSAB获得不同位置的缺陷特征，获得多尺度缺陷特征；采用多尺度特征融合网络MFFN融合多尺度缺陷特征，获得多尺度缺陷特征表示；利用检测网络对缺陷进行分类和定位。本发明有效地捕捉缺陷边缘和纹理的局部特征，同时利用RAB提取随机位置和不同形状缺陷的全局特征。

本发明授权一种基于特征提取网络的带钢表面缺陷检测方法与系统在权利要求书中公布了：1.一种基于特征提取网络的带钢表面缺陷检测方法，其特征在于，包括如下步骤： 获取带钢表面图像； 构建带钢表面缺陷检测器，所述带钢表面缺陷检测器包括局部-全局特征提取网络LGNet、多尺度特征融合网络MFFN和检测网络，并将带钢表面图像输入带钢表面缺陷检测器中，获得缺陷的分类和定位结果； 所述将带钢表面图像输入带钢表面缺陷检测器中，获得缺陷的分类和定位结果，具体包括： 将所述带钢表面图像输入局部-全局特征提取网络LGNet中，通过基于残差的瓶颈块RBB捕获带钢表面缺陷的局部特征，并通过基于残差的自适应块RAB动态调整采样点，提取带钢表面缺陷的全局特征，通过通道-空间协同注意力块CSSAB捕获带钢表面不同位置不同权重的缺陷特征； 采用多尺度特征融合网络MFFN对带钢表面缺陷的局部特征、全局特征和不同位置的缺陷特征融合，获得多尺度缺陷特征表示，并利用检测网络对多尺度缺陷特征表示进行分类和定位； 所述通过基于残差的瓶颈块RBB捕获带钢表面缺陷的局部特征，包括： 使用1×1卷积对特征图中的通道数进行处理，并使用3×3卷积提取局部特征，在提取局部特征后使用1×1卷积恢复通道维数，获得瓶颈块RBB的输出fout，具体表达式为： ； 其中，fin为RBB的输入，ConvBRk×k·为卷积核大小为k×k的卷积，Conv1×1·为1×1卷积； 对所述瓶颈块RBB的输出和输入进行批处理归一化，以及使用激活函数ReLU进行激活，并通过合并残差连接，将输入fin添加到输出fout，具体表达式为： ； 其中，fagg为将输入fin添加到输出fout的结果； 所述通过基于残差的自适应块RAB动态调整采样点，提取带钢表面缺陷的全局特征，包括： 根据初始采样点数N生成初始采样形状，获取初始采样形状中每个初始采样点坐标p0+pn，所述初始采样点坐标定义了卷积核在特征映射上N个采样点操作的位置； 通过卷积获取每个初始采样点的偏移量，将偏移量添加到初始采样点坐标中调整采样点坐标； 通过插值和重采样对调整后采样点坐标处的特征进行提取，具体表达式为： ； 其中ConvBSN×1·为卷积核大小等于N×1的卷积，R表示生成的采样网格，w表示采样网格点的权重，p0表示采样网格的中心位置，pn表示初始采样点坐标；xp0+pn+△pn表示采样位置的像素；△pn为初始采样点对应的偏移量，具体表达式为： ； 其中，Conv3×3·为3×3卷积； 所述通过通道-空间协同注意力块CSSAB捕获带钢表面不同位置的缺陷特征，包括： 通过多语义空间注意力MSSA和渐进式通道自注意力PCSA构建通道-空间协同注意力块CSSAB； 利用多语义空间注意力MSSA对带钢表面缺陷进行空间分解和多语义特征捕获，学习空间分布和上下文关系；并基于渐进式通道自注意力PCSA，采用渐进式压缩策略对所述多语义空间注意力MSSA输出特征进行权重处理，获得带钢表面不同位置不同权重的缺陷特征。

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信阳师范大学，其通讯地址为：464000 河南省信阳市南湖路237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。