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！

龙图腾网获悉河北工程大学;河北裕隆机械有限责任公司申请的专利一种基于DAB-YOLO算法的焊缝表面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：CN120953260B 。

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：202511304092.7，技术领域涉及：G06T7/00；该发明授权一种基于DAB-YOLO算法的焊缝表面缺陷检测方法是由刘杰辉;王杰;李刚;安云娜;刘士禄;高雪亮;尹锐泽;杜祥设计研发完成，并于2025-09-12向国家知识产权局提交的专利申请。

本一种基于DAB-YOLO算法的焊缝表面缺陷检测方法在说明书摘要公布了：本发明具体公开了一种基于DAB‑YOLO算法的焊缝表面缺陷检测方法，涉及焊缝表面缺陷检测技术领域。该方法步骤如下：S1、采集不同情况下的焊缝表面缺陷图像，制作并标注缺陷数据集，经扩充后划分为训练集和验证集；S2、建立焊缝表面缺陷检测模型，该模型包含AESPPF模块、改进的主干网络、ConBEC模块，以及以YOLOv10s为教师模型、改进的YOLOv10n为学生模型的知识蒸馏架构；S3、利用训练集训练模型，借助验证集评估模型的平均检测精度和检测速度；S4、利用模型检测焊缝表面缺陷。本发明提出的焊缝表面缺陷检测方法能快速、准确地检测焊缝表面缺陷，满足实时监测需求，为缺陷划分提供可靠依据。

本发明授权一种基于DAB-YOLO算法的焊缝表面缺陷检测方法在权利要求书中公布了：1.一种基于DAB-YOLO算法的焊缝表面缺陷检测方法，其特征在于，步骤如下： 步骤S1、利用相机采集不同情况下的焊缝表面缺陷图像，基于缺陷图像制作缺陷数据集，并对缺陷数据集进行缺陷标注和扩充，将缺陷数据集划分为训练集和验证集； 步骤S2、基于增强级联的YOLO检测网络DAB-YOLO建立焊缝表面缺陷检测模型，焊缝表面缺陷检测模型包括： 注意力增强型快速空间金字塔池化模块AESPPF，将改进的混合局部通道注意力模块MLCA引入快速空间金字塔池化模块SPPF中，并融入高效通道注意力模块ECA与残差模块进行优化；改进的MLCA模块在继承原有MLCA模块对通道和空间注意力机制建模的基础上，在空间注意力机制中添加了一个可变形卷积； 将YOLOv10n模型的主干网络中的卷积模块Conv转换成空洞卷积模块Dilconv，添加激活函数与正则化操作，并采取非零填充策略； 融合双向特征金字塔的增强级联模块ConBEC，在初始化时根据输入和输出通道数构建一个改进的双向特征金字塔网络模块BiFPN，通过特征调整层确保所有输入特征的通道数一致，并通过BiFPN模块对特征进行处理，最终将处理后的特征沿指定维度拼接，且在BiFPN模块之后添加残差连接； 将YOLOv10s模型作为教师模型、改进的YOLOv10n模型为学生模型，构建基于教师模型与学生模型的模型架构并进行知识蒸馏，定义知识蒸馏损失函数； 步骤S3、基于训练集对焊缝表面缺陷检测模型进行训练，基于验证集对焊缝表面缺陷检测模型的平均检测精度、检测速度进行评估； 步骤S4、利用焊缝表面缺陷检测模型对焊缝表面的缺陷进行检测； 在步骤S2中，焊缝表面缺陷检测模型的骨干网络由依次串联的两个DilConv模块、跨阶段双特征融合模块C2f、Conv模块、C2f模块、空间-通道解耦下采样模块SCDown、C2f模块、AESPPF模块以及位置敏感注意力模块PSA组成；其中，DilConv模块包括依次串联的标准二维卷积层、批量归一化层BatchNormalization，以及激活函数ReLU与正则化Dropout操作，并采取非零填充策略；所述AESPPF模块包含改进的MLCA模块，且串联SPPF模块、ECA模块、残差模块，并同时进行批量归一化的缩放因子； 焊缝表面缺陷检测模型的颈部网络由依次串联的上采样模块Upsample、ConBEC模块、C2f模块、Upsample模块、ConBEC模块、C2f模块、Conv模块、ConBEC模块、C2f模块、SCDown模块和跨阶段倒置瓶颈融合模块C2fCIB组成；其中，ConBEC模块包含级联模块Concat模块和改进的BiFPN模块； 改进BiFPN模块由一种动态权重分配的加权特征融合模块组成，构建了一个包含多层的BiFPN结构，并在每个BiFPN层的输入和输出端增设特征通道自适应调整单元。

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河北工程大学;河北裕隆机械有限责任公司，其通讯地址为：056038 河北省邯郸市丛台区太极路19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。