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！

龙图腾网获悉西南石油大学申请的专利一种基于改进UNet的管道焊缝图像分割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：CN116416432B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202310392019.4，技术领域涉及：G06V10/26；该发明授权一种基于改进UNet的管道焊缝图像分割方法是由罗仁泽;李华督;唐祥;王磊;雷璨如;陈翔;吴涛;刘恒;林泓宇;罗任权;邓治林;余泓;谭亮;武娟;曹瑞;赵丹;王清松;易玺;廖波设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本一种基于改进UNet的管道焊缝图像分割方法在说明书摘要公布了：本发明提出一种基于改进UNet的管道焊缝图像分割方法。该方法首先先对采集到的管道焊缝图像数据进行预处理并建立数据集，然后构建改进UNet网络管道焊缝图像分割模型，具体实施方法为：首先利用密集连接块结合并行注意力机制构建网络下采样模块，提升模型特征提取能力，再利用深度可分离卷积代替普通卷积，减少了模型计算量与计算量，最后使用加权Dice和交叉熵函数结合的新损失函数，缓和管道焊缝图像中焊缝区域与非焊缝区域占比不均衡的情况；最后利用数据训练集对模型进行参数训练，并将测试集图像输入训练好的网络模型，得到分割后的图像；本发明的分割模型对管道焊缝图像的目标分割精度高，分割效果好。

本发明授权一种基于改进UNet的管道焊缝图像分割方法在权利要求书中公布了：1.一种基于改进UNet的管道焊缝图像分割方法，其特征在于包括以下步骤： 步骤1：获取管道焊缝图像数据，并利用图像浏览器对图像进行数据预处理，具体方式为： 1对获得的焊缝图像进行增强与去噪处理，将图像调整为n×n像素大小的尺寸，n∈Z+； 2将处理后的图像根据焊缝缺陷检测工作人员提供的标准做好焊缝分割标注，并将标注好的图像划分为训练集与测试集； 步骤2：构建改进UNet焊缝分割网络，具体处理方式为： 1构建改进密集连接块，密集连接块由深度可分离卷积ConvN×N、和设计的并行注意力机制SENet组成，卷积结构计算结构如下： xoutput＝SConvN×Nxinput 式中，xinput代表模型的输入图像，xoutput代表模型的输出图像，ConvN×N为深度可分离卷积，N∈Z+，S为并行注意力机制SENet； 2构建并行注意力机制SENet，并行注意力机制由通道注意力，空间注意力与融合机制组成，其中通道注意力结构如下： 式中，为第i个通道权值的第j个权重参数，j∈[1,k]，i∈0,j，为第i个通道k个相邻通道全局特征图集合，C为通道数，Υ和b为超参数，|A|odd为与A相邻最近的奇数，ω,k,C,Υ,b∈Z+； 空间注意力结构如下： 式中，σ为ReLu激活函数，为两个特征图对应位置数据的点积，F为输入特征图； 融合机制由Concat特征融合与SeLU激活函数构成，Concat的操作公式如下： 式中，X、Y均为该通道输入的特征图且X＝Y，k表示输入特征图X的通道数，d为输入特征图Y的通道数，i∈[1,k]，j∈[1,d]； SeLU激活函数为： 式中，z为模型输出特征图，λ∈Z,α∈Z+； 3UNet分割网络包含上采样、下采样与跳跃连接结构，下采样由改进密集连接块与深度可分离卷积构成，上采样由Conv1×1卷积与深度可分离卷积连接构成，上采样与下采样之间由Concat进行跳跃连接； 4利用交叉熵函数与计算模型训练F1分数的DiceLoss进行分别加权构建混合损失函数，所述混合损失函数为： 其中，X为像素预测类别；Y表示像素标记类别；X∩Y为两者的交集；|X|+|Y|为两者合集的元素个数；H、C为焊缝图像的宽和高；y表示像素标记类别；y′表示像素预测类别；λ为焊缝区域在整个焊缝图像中的占比；1-λ为非焊缝区域的在整个焊缝图像中的占比，λ∈0,1； 步骤3：将训练集输入到步骤2中构建的分割网络模型进行训练，训练完成的模型选择在训练过程中损失函数最小的模型； 步骤4：将测试集输入训练完成的参数模型中进行焊缝分割，得到焊缝分割结果。

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西南石油大学，其通讯地址为：610500 四川省成都市新都区新都大道8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。