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！

龍圖騰網獲悉太原理工大學申請的專利基于特征增強多尺度融合的小樣本PCB缺陷檢測方法及裝置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：CN115496741B 。

龍圖騰網通過國家知識產權局官網在2025-08-12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：202211236036.0，技術領域涉及：G06T7/00；該發明授權基于特征增強多尺度融合的小樣本PCB缺陷檢測方法及裝置是由續欣瑩;王昊東;趙文晶;鄭梓豪設計研發完成，并于2022-10-10向國家知識產權局提交的專利申請。

本基于特征增強多尺度融合的小樣本PCB缺陷檢測方法及裝置在說明書摘要公布了：本公開實施例公開了一種基于特征增強多尺度融合的小樣本PCB缺陷檢測方法及裝置。其中，該方法在原始的元學習小樣本目標檢測算法FSRW基礎上，加入特征增強模塊，突出接收到的特征圖關鍵性區域，抑制無用信息的干擾，增強特征判別性，從而提升檢測效果。針對PCB板缺陷特征尺寸微小，檢測難度大的特點，提出BI?FU多尺度融合策略，提取PCB多個尺度特征圖，并融合成一張包含不同尺度信息的高質量特征圖，進一步提高模型對小目標缺陷的檢測精度。該方法相比于原始FSRW方法在PCB缺陷上提高了檢測準確率，并且與其他的小樣本目標檢測算法相比，也有出色的檢測效果，具有良好的泛化能力和魯棒性，有較高的實際應用價值。

本發明授權基于特征增強多尺度融合的小樣本PCB缺陷檢測方法及裝置在權利要求書中公布了：1.一種基于特征增強多尺度融合的小樣本PCB缺陷檢測方法，其特征在于，包括： 步驟1、構建基類數據集和新類數據集；其中，所述基類數據集包含樣本圖像及其標注信息，所述新類數據集包括PCB圖像及其標注信息； 步驟2、將所述基類數據集和所述新類數據集分別劃分為由查詢集圖像和支持集圖像組成的任務數據集； 步驟3、對每個所述任務數據集進行如下處理： 步驟31、使用DarkNet-53網絡提取輸入的查詢集圖像的特征圖，再對特征圖進行特征增強處理，輸出增強后的查詢集特征圖； 步驟32、使用BI-FU多尺度特征融合模塊先提取輸入的支持集圖像的多個不同尺度的特征圖，并用該模塊對所述多個不同尺度的特征圖進行融合，得到多尺度融合特征圖；再對多尺度融合特征圖進行卷積處理，輸出特征重加權向量； 步驟33、將所述查詢集特征圖和所述特征重加權向量進行融合處理，得到重加權后的查詢集特征圖； 步驟34、基于所述重加權后的查詢集特征圖進行預測分析，生成包含預測位置及預測類別的預測結果； 步驟4、采用兩階段訓練策略，先通過所述基類數據集的任務數據集進行模型訓練，再通過所述新類數據集的任務數據集進行模型微調； 步驟5、基于訓練完成的模型對PCB表面缺陷進行檢測； 所述對特征圖進行特征增強處理，輸出增強后的查詢集特征圖，包括： 利用特征圖F根據如下公式獲得中間特征圖F'： 其中，σ為sigmiod激活函數，W0、W1為MLP的權重，為平均池化特征，為最大池化特征，W0∈Rcr×c，W1∈Rc×cr，R為實數，c為通道數，r為減少率，表示逐元素相乘； 再利用中間特征圖F'根據如下公式獲得增強后的查詢集特征圖Fc： 其中，σ為sigmiod激活函數，f7×7為卷積核為7×7的卷積運算，為平均池化2D特征圖，為最大池化2D特征圖，表示逐元素相乘。

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太原理工大學，其通訊地址為：030024 山西省太原市萬柏林區太原理工大學迎西校區；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”。