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！

龍圖騰網恭喜江蘇科技大學申請的專利一種基于改進Faster RCNN算法的金屬表面缺陷檢測方法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：CN114897802B 。

龍圖騰網通過國家知識產權局官網在2025-05-06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：202210438440.X，技術領域涉及：G06T7/00；該發明授權一種基于改進Faster RCNN算法的金屬表面缺陷檢測方法是由趙楚;段先華;葉趙兵;蘇俊楷設計研發完成，并于2022-04-25向國家知識產權局提交的專利申請。

本一種基于改進Faster RCNN算法的金屬表面缺陷檢測方法在說明書摘要公布了：本發明公開了一種基于改進FasterRCNN算法的金屬表面缺陷檢測方法，屬于計算機視覺目標檢測領域，可用于金屬表面的缺陷檢測，包括以下步驟：步驟一：獲取金屬表面缺陷圖像數據集，并對其進行預處理；步驟二：基于FasterRCNN目標檢測模型，選取參數量較少的骨干網絡作為模型的特征提取網絡并嵌入可變形卷積，設計特征金子塔結構進行特征融合；步驟三：引入RankSortLoss，優化損失函數；步驟四：優化區域建議網絡，改進錨點生成方式；步驟五、模型訓練；步驟六、用訓練好的模型對測試樣本進行預測并輸出預測結果。本發明檢測金屬表面缺陷的漏檢率低，準確度高，能夠有效地應用于金屬表面缺陷檢測的場景中。

本發明授權一種基于改進Faster RCNN算法的金屬表面缺陷檢測方法在權利要求書中公布了：1.一種基于改進FasterRCNN算法的金屬表面缺陷檢測方法，其特征在于，包括以下步驟：步驟一、從東北大學采集的NEU-DET公開數據庫中獲取金屬表面缺陷圖像樣本，并對其進行預處理；步驟二、基于FasterRCNN目標檢測模型，選取參數量較少性能較好的骨干網絡ResNet101作為FasterRCNN目標檢測模型中的特征提取網絡，ResNet101網絡由100個卷積層和一個全連接層組成，通過卷積步長改變圖像尺度，其網絡結構分為五個階段，每經過一個階段圖片下采樣2倍；為了增強小目標的檢測效果，引入特征金子塔進行特征融合；將ResNet101的后三個階段中所有的3×3傳統卷積替換為可變形卷積；步驟三、優化損失函數，簡化模型訓練的復雜性，提高模型性能；模型的總損失為分類損失和回歸損失兩個部分的加權和，其具體改進方法為用RankSortLoss代替分類損失中的交叉熵損失，回歸損失采用GIOU損失，改進后模型總損失的加權參數為RSLoss除以回歸損失，RSLoss的計算公式如下： 式中:p為正樣本的集合；lRSi為當前rank誤差和當前sort誤差的總和，即當前RS誤差；為目標rank誤差和目標sort誤差的總和，即目標RS誤差；步驟四、優化區域建議網絡，改進錨點生成方式，使生產的錨框更加契合缺陷目標尺度；步驟五、模型訓練；步驟六、用訓練好的模型對測試樣本進行預測并輸出金屬表面缺陷的類別和位置信息。

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江蘇科技大學，其通訊地址為：212008 江蘇省鎮江市夢溪路2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”。