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！

龙图腾网获悉天津工业大学申请的专利基于AMSDNet的表面缺陷检测方法、系统及装置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：CN121190490B 。

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：202511745445.7，技术领域涉及：G06T7/00；该发明授权基于AMSDNet的表面缺陷检测方法、系统及装置是由杨勇;张龙;杨怀远;黄淑英设计研发完成，并于2025-11-26向国家知识产权局提交的专利申请。

本基于AMSDNet的表面缺陷检测方法、系统及装置在说明书摘要公布了：本发明涉及汽车金属表面缺陷检测技术领域，尤其涉及一种基于AMSDNet的表面缺陷检测方法、系统及装置。通过图像采集模块采集汽车金属表面缺陷的图像数据，将图像数据进行预处理操作，得到预处理后图像；对图像进行图像增强处理标注缺陷类型进行标注得到图像数据集；模型采用双向特征精炼模块进行特征融合，利用图像数据集训练目标检测模型，得到训练后模型；将实际汽车金属表面图像输入至训练后模型，得到实际检测结果。本发明采用非局部均值滤波和直方图均衡化进行图像预处理，可以有效减少图像中的噪声；去噪后采用小波变换自适应增强算法和基于对抗生成网络进行图像增强，减少了后续图像处理的复杂度，加快了检测时间。

本发明授权基于AMSDNet的表面缺陷检测方法、系统及装置在权利要求书中公布了：1.一种基于AMSDNet的表面缺陷检测方法，其特征在于，包括以下步骤： S1：通过图像采集模块采集汽车金属表面缺陷的图像数据，将所述图像数据进行预处理操作，得到预处理后图像； S2：将所述预处理后图像进行图像增强处理，对各种缺陷类型进行标注，得到图像数据集，步骤S2包括： S21：采用二维离散小波变换技术，将所述预处理后图像分解为低频部分与高频部分； S22：所述高频部分通过滑动窗口计算局部对比度，并根据对比度差异调整设定阈值，对于对比度低于或等于设定阈值的区域，使用非线性函数进行增强，对于对比度高于阈值的区域，进行平滑处理，得到平滑后高频部分；所述低频部分采用均值滤波器进行平滑优化，得到平滑后低频部分； S23：通过小波逆变换，将平滑后高频部分和平滑后低频部分合成，得到初步增强图像； S24：使用生成对抗网络增强初步增强图像的图像细节得到增强后的图像； S25：对增强后的图像的缺陷进行标注得到图像数据集； S3：构建AMSDNet模型，所述AMSDNet模型采用双向特征精炼模块进行特征融合，利用图像数据集训练AMSDNet模型，得到训练后AMSDNet模型；所述双向特征精炼模块包括： S31：使用主干网络提取输入的图像数据集的多尺度特征得到低层特征图、中层特征图和高层特征图； S32：高层特征图经多尺度特征校准单元处理后得到融合后高级信息，将所述低层特征图、中层特征图和融合后高级信息输入至全局上下文聚合单元得到融合后特征图，所述全局上下文聚合单元的流程为： S321：将所述融合后高级信息输入至第一线性化模块得到高级线性结果； S322：将所述高级线性结果和中层特征图进行融合得到第一融合结果； S323：将所述第一融合结果输入第一线性化模块得到第一线性结果； S324：将所述第一线性结果和所述低层特征图融合得到第二融合结果； S325：将所述第二融合结果输入第二线性化模块得到第二线性结果； S326：将所述第二线性结果和第一线性结果融合得到第三融合结果； S327：将所述第三融合结果输入至第二线性化模块得到第四线性结果； S328：将所述第四线性结果和高级线性结果融合得到第四融合结果； S329：将所述第四融合结果、第三融合结果和第二融合结果拼接得到融合后特征图； 所述多尺度特征校准单元将输入的高层特征图在空间维度上展平为令牌序列，引入位置编码以保留空间结构信息，并将令牌序列送入一个轻量级的编码器，通过多头自注意力机制，将编码器输出的增强后序列还原为空间特征图结构，与原始输入特征融合，形成全局上下文信息的增强特征输出； S33：采用自适应锚点筛选模块为融合后特征图计算重要性得分，预测各位置的缺陷存在置信度及初始边界框，所述自适应锚点筛选模块流程为： S331：将所述融合后特征图归一化形成特征向量，得到对应的候选特征集； S332：通过分类头对每个候选输入锚点进行重要性得分预测，并依据得分排序筛选出设定的若干个最可能包含目标的候选位置的对应特征，利用可学习参数对特征向量进行加权评分得到重要性评分； S333：对候选位置的对应特征预测进行多层前向网络变换得到初始边界框； S334：对候选位置的对应特征预测进行线性投影层变换得到存在缺陷的置信度； S34：根据所述重要性得分进行得分排序，选取若干个排序最靠前的数据作为解码器初始查询； S35：根据所述预测各位置存在缺陷的置信度及初始边界框使用轻量解码器对自适应锚点进行精调，输出缺陷分类与定位结果； S4：将实际汽车金属表面图像输入至训练后AMSDNet模型，得到实际检测结果。

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天津工业大学，其通讯地址为：300387 天津市西青区宾水西道399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。