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业大学申请的专利一种基于联合优化与混合注意力特征融合的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：CN115294038B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202210884549.6，技术领域涉及：G06T7/00；该发明授权一种基于联合优化与混合注意力特征融合的缺陷检测方法是由董永峰;孙松毅;王振;齐巧玲;王利琴设计研发完成，并于2022-07-25向国家知识产权局提交的专利申请。

本一种基于联合优化与混合注意力特征融合的缺陷检测方法在说明书摘要公布了：本发明涉及基于分割‑分类两段式的缺陷检测方法，针对两段式缺陷检测算法特征提取能力不足问题，提出基于混合注意力特征融合模块，并集成于编码器‑解码器结构的分割网络中，使模型更好的利用全局上下文信息，并利用所提取的深层特征重构像素级分割图。此外，本发明提出一种多感受野空间注意力模块，利用空洞卷积带来的增强感受野提取空间注意力权重，有效增强模型对微小特征的提取能力。针对两段式缺陷检测模型训练效率低下的问题，本发明提出一种联合优化框架，利用所构建的联合损失函数使模型进行端到端训练。实验表明，本发明所提出的改进能够有效提升缺陷任务的检测精度。

本发明授权一种基于联合优化与混合注意力特征融合的缺陷检测方法在权利要求书中公布了：1.一种基于联合优化与混合注意力特征融合的缺陷检测方法，其特征在于：该方法的步骤如下： 第一步：采集待测工件表面图像，对采集图像进行预处理，设置训练所用真实标签，并构建网络模型，模型分为分割网络和分类网络两部分，分割网络由编码器阶段、解码器与混合注意力特征融合模块组成，分类网络由卷积网络主干、多感受野空间注意力模块和分类器组成； 第二步：将预处理后的图像输入模型进行训练，构建联合损失函数，设置优化参数及迭代次数，模型输出的结果为缺陷部位的像素级分割图以及所对应的缺陷类型； 第三步：将训练好的模型权重进行保存，并利用该模型进行工件表面缺陷检测； 基于编码器-解码器结构的分割网络与结合多感受野空间注意力模块的分类网络共同构成的基于混合注意力特征融合的缺陷检测模型， 其中，分割网络由编码器-解码器主干和混合注意力特征融合模块组成，编码器部分包含连续4次步长为2的下采样操作，每层网络所提取的特征图输入到混合注意力特征融合模块，与解码器结构重建后相同分辨率的特征图进行拼接后参与后续的卷积计算，最终由解码器输出与输入图像尺寸相同的像素级分割图，指示缺陷位置及形状，分割网络编码器阶段输出的深层特征作为分类网络的输入，经过多感受野空间注意力模块加权后通过卷积操作； 基于多感受野的空间注意力模块以及混合注意力特征融合模块， 其中，混合注意力特征融合模块将空间与通道两种注意力相结合，构建编码器-解码器网络浅层特征与深层特征基于混合注意力特征融合的方式，编码器输入特征与解码器下层经过双线性插值上采样操作的特征图经过元素相加，输入到通道注意力模块中获取通道方向的注意力权重，该权重分别与、相乘后产生的特征图被作为两个多感受野空间注意力模块的输入，经过空间注意力加权后的结果经过拼接操作产生整个混合注意力特征融合模块的输出特征图，继续参与高一层网络的计算； 混合注意力特征融合模块由多感受野空间注意力模块与通道注意力模块共同组成，多感受野空间注意力模块中维度为的输入特征图X通过不同感受野下的卷积运算后经由非线性激活函数ReLU进行激活，后被拼接成的特征图，再由卷积将特征图通道数压缩为1，经过Sigmoid函数激活后与原始输入特征图相乘，得到注意力加权后的特征图，通道注意力模块采用全局最大池化操作和的卷积操作分别提取全局通道注意力和局部通道注意力，并将提取到的参数经过Sigmoid函数转化为特征权重，并与输入特征图相乘，得到。

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业大学，其通讯地址为：300450 天津市北辰区双口镇西平道5340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。