買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜中國科學技術大學先進技術研究院;中國科學技術大學申請的專利一種微尺度VOCs泄漏檢測方法、系統、存儲介質及設備獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN113850172B 。

龍圖騰網通過國家知識產權局官網在2025-04-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111096477.0，技術領域涉及：G06V10/25；該發明授權一種微尺度VOCs泄漏檢測方法、系統、存儲介質及設備是由曹洋;譚幾方;康宇;夏秀山;許鎮義設計研發完成，并于2021-09-18向國家知識產權局提交的專利申請。

本一種微尺度VOCs泄漏檢測方法、系統、存儲介質及設備在說明書摘要公布了：本發明的一種微尺度VOCs泄漏檢測方法、系統、存儲介質及設備，包括以下步驟：S10、獲取VOCs泄漏區和無泄漏區的紅外圖像進行數據預處理；S20、將預處理數據輸入骨干網絡，采用不同大小的核函數進行特征學習；S30、使用粗分類模塊過濾大量非VOCs泄漏氣體背景區域，提取出疑似VOCs泄漏圖像；S40、使用細分類模塊對疑似VOCs泄漏圖像進行分類，并對VOCs泄漏位置回歸定位，進而得出檢測結果。本發明充分利用卷積神經網絡對VOCs泄漏紅外圖像特征學習，通過粗粒度到細粒度框架，粗分類器有效的過濾大量背景信息，減少了計算量，使用細分類器進行精準定位和識別分類，從而有效的節省計算資源并提高檢測準確性。

本發明授權一種微尺度VOCs泄漏檢測方法、系統、存儲介質及設備在權利要求書中公布了：1.一種微尺度VOCs泄漏檢測方法，其特征在于：包括以下步驟：S10、獲取VOCs泄漏區和無泄漏區的紅外圖像進行數據預處理；S20、將預處理數據輸入骨干網絡，采用不同大小的核函數進行特征學習；S30、使用粗分類模塊過濾大量非VOCs泄漏氣體背景區域，提取出疑似VOCs泄漏圖像；S40、使用細分類模塊對疑似VOCs泄漏圖像進行分類，并對VOCs泄漏區域進行回歸定位，進而實現VOCs泄露檢測；所述S20、將預處理數據輸入骨干網絡，采用不同大小的核函數進行特征學習，具體包括如下細分步驟S21至S24：S21：將預處理紅外圖像輸入到骨干網絡中，其中前三層為卷積層，卷積核為大小，保持原分辨率不變；S22：采用池化操作，使原有圖像分辨率降低到原來一半大小，再輸入到三個卷積層，卷積核大小為；S23：通過三個并行卷積運算，三個分支由大小不同的、和的卷積核來實現，其中每個分支包含三個卷積層，再將三分支不同核學習的特征映射串聯起來；S24：最后將串聯起來的特征進行卷積操作，再將拼接后的特征圖拉伸為深度大小，其中整個模型表示為 其中表示拼接前每個源特征圖的變換函數；表示轉換前的每個特征圖；表示每個分支標簽；為特征映射融合函數；是融合的特征映射；所述S40、使用細分類模塊對疑似VOCs泄漏圖像進行分類，并對VOCs泄漏區域進行回歸定位，進而實現VOCs泄露檢測，進而實現具體包括如下細分步驟S41至S44：S41：經過分類子網對圖像進行預測，將粗分類結果輸入到五個卷積層中，前四個有個濾波器，所有濾波器后面都有激活，表示為 其中，為神經元的個數；S42：再輸入到第五個3×3卷積層，有B個濾波器，B為包圍盒個數；S43：經過回歸子網對VOCs泄漏區域進行定位回歸，將粗分類結果輸入到五個3*3卷積層中，前四個有256個濾波器，所有濾波器后面都有激活，最后一個卷積核輸出特征映射的深度為8；S44：采用交并比對錨框和標注框進行選擇，其中分類子網和回歸子網共享一個公共輸入特征映射，即融合特征映射。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國科學技術大學先進技術研究院;中國科學技術大學，其通訊地址為：230088 安徽省合肥市高新區望江西路5089號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。