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！

龙图腾网获悉广东工业大学申请的专利一种基于可变形融合通道位置注意力与多尺度自适应特征融合的印刷电路板表面缺陷检测方法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：CN120997178B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511115293.2，技术领域涉及：G06T7/00；该发明授权一种基于可变形融合通道位置注意力与多尺度自适应特征融合的印刷电路板表面缺陷检测方法及装置是由吴衡;苏行健;罗劭娟设计研发完成，并于2025-08-11向国家知识产权局提交的专利申请。

本一种基于可变形融合通道位置注意力与多尺度自适应特征融合的印刷电路板表面缺陷检测方法及装置在说明书摘要公布了：本发明涉及一种基于可变形融合通道位置注意力与多尺度自适应特征融合的印刷电路板表面缺陷检测方法及装置，方法包括：采集待检测印刷电路板图像；将所述待检测印刷电路板图像输入深度学习网络模型，输出所述待检测印刷电路板图像的表面缺陷检测结果，其中，所述深度学习网络模型通过印刷电路板表面缺陷数据集训练获得，所述深度学习网络模型通过多尺度特征融合策略融合不同尺度特征、通过通道特征与空间特征聚焦于关键特征区域。本发明能够有效利用印刷电路板图像中的特征信息，提高印刷电路板表面缺陷的检测准确性和鲁棒性。

本发明授权一种基于可变形融合通道位置注意力与多尺度自适应特征融合的印刷电路板表面缺陷检测方法及装置在权利要求书中公布了：1.一种基于可变形融合通道位置注意力与多尺度自适应特征融合的印刷电路板表面缺陷检测方法，其特征在于，包括： 采集待检测印刷电路板图像； 将所述待检测印刷电路板图像输入深度学习网络模型，输出所述待检测印刷电路板图像的表面缺陷检测结果，其中，所述深度学习网络模型通过印刷电路板表面缺陷数据集训练获得，所述深度学习网络模型通过多尺度特征融合策略融合不同尺度特征、通过通道特征与空间特征聚焦于关键特征区域； 将所述待检测印刷电路板图像输入深度学习网络模型，输出所述待检测印刷电路板图像的表面缺陷检测结果包括： 将所述待检测印刷电路板图像输入backbone特征提取网络，输出特征图，，； 所述特征图，，通过多尺度自适应特征融合模块进行跨通道和跨空间的信息融合，获取融合信息； 将所述特征图，，输入neck特征提取网络输出特征图，，将所述特征图和所述融合信息输入可变形融合通道位置注意力模块进行可变通道注意力、增强位置注意力运算，并对运算结果进行融合； 将融合的运算结果和所述特征图输入YoloHead检测头结构，输出所述表面缺陷检测结果； 所述特征图，，通过所述多尺度自适应特征融合模块进行跨通道和跨空间的信息融合包括： 通过卷积层将所述特征图，，的通道数进行统一，并通过双线性插值将通道数统一的特征图进行尺度统一； 将尺度统一的特征图沿深度维度拼接为3D特征体，通过3D卷积和自注意力模块对所述3D特征体进行处理，获取增强特征和平均权重； 将所述增强特征和所述平均权重进行矩阵相乘，获取加权特征； 将所述加权特征沿深度维度求和，并与输入特征进行融合，获取所述融合信息。

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广东工业大学，其通讯地址为：510062 广东省广州市越秀区东风东路729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。