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！

龙图腾网获悉华南理工大学;中国能源建设集团国际工程有限公司申请的专利高分辨率风机叶片图像小缺陷检测方法及相关设备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：CN120852288B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202510826328.7，技术领域涉及：G06T7/00；该发明授权高分辨率风机叶片图像小缺陷检测方法及相关设备是由张泽辰;姚顺春;张超波;袁宝义;雷骊彪设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本高分辨率风机叶片图像小缺陷检测方法及相关设备在说明书摘要公布了：本发明公开了一种高分辨率风机叶片图像小缺陷检测方法及相关设备，其中方法包括：获取高分辨率叶片图像，并对图像进行预处理，构建初始数据集；结合领域先验知识构建缺陷分类网络，对缺陷分类网络进行训练；采用训练后的缺陷分类网络，判断图像区域是否存在缺陷并计算缺陷类别概率，生成缺陷显著性图片；构建缺陷检测网络，采用初始数据集对缺陷检测网络进行训练；将缺陷显著性图片和原图的下采样图像输入缺陷检测网络，分别利用检测头获得缺陷对应类别的检测框坐标，再根据原图坐标进行检测结果融合。本发明基于领域先验知识，采用显著性图像能在高分辨率叶片图像中优先筛选缺陷概率最高的区域，便于小缺陷的初期定位，提高了检测效率和精度。

本发明授权高分辨率风机叶片图像小缺陷检测方法及相关设备在权利要求书中公布了：1.一种高分辨率风机叶片图像小缺陷检测方法，其特征在于，包括以下步骤： 获取高分辨率叶片图像，并对图像进行预处理，构建初始数据集； 结合领域先验知识构建缺陷分类网络，采用初始数据集对缺陷分类网络进行训练； 采用训练后的缺陷分类网络，判断图像区域是否存在缺陷并计算缺陷类别概率，生成缺陷显著性图片； 构建缺陷检测网络，采用初始数据集对缺陷检测网络进行训练； 将缺陷显著性图片和原图的下采样图像输入缺陷检测网络，分别利用检测头获得缺陷对应类别的检测框坐标，再根据原图坐标进行检测结果融合； 所述缺陷分类网络的工作方式如下： 对高分辨叶片图像划分为多个图片小块，对图片小块进行特征提取，获得局部特征信息，表达式如下： 式中，表示局部特征信息，为特征类别信息，为块图像信息，为局部位置嵌入； 根据领域先验知识对图片小块进行匹配筛选，将筛选获得的图片小块按照顺序进行拼接； 将筛选获得的图片小块的局部特征信息输入通道区域注意力机制中，获得区域特征信息，表达式如下： 式中，表示归一化计算，表示对归一化后的特征进行通道区域的多注意力计算；表示特征所在的一维位置索引；表示第个图片小块的局部特征信息； 将每个区域特征信息作为输入，进行通道本地注意力机制计算，获得本地特征，表达式如下： 式中，表示本地特征在区域内的空间位置索引，表示本地特征输出；表示输入的区域特征信息；表示对归一化后的通道本地特征的多注意力计算； 将所有本地特征进行拼接获得编码后的全局特征信息，再送至Transformer解码器和全连接层进行缺陷分类，获得缺陷显著性图片； 所述缺陷分类网络采用ER-ViT模型来实现，所述缺陷分类网络的训练步骤包括： 将初始数据集进行下采样并送至ER-ViT模型进行训练； 整理风机叶片缺陷先验知识，以模型所推理图片的缺陷类别为参考，对比标注缺陷进行类别修正，结合先验知识，再预估缺陷区域坐标； 对每个训练图片进行缺陷划分，结合缺陷概率生成显著性图片，通过多次迭代获得最优缺陷区域图。

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华南理工大学;中国能源建设集团国际工程有限公司，其通讯地址为：510641 广东省广州市天河区五山路381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。