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！

龍圖騰網獲悉四川華能太平驛水電有限責任公司;西安熱工研究院有限公司申請的專利多模態特征與提示機制的過流面缺陷檢測識別方法及系統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：CN120374630B 。

龍圖騰網通過國家知識產權局官網在2025-08-22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：202510876958.5，技術領域涉及：G06T7/00；該發明授權多模態特征與提示機制的過流面缺陷檢測識別方法及系統是由趙棟棟;李巍;杜仁舉;李生文;陳嵩;婁正計;李軍;陳盛廣;張璽;王博;張義;施杰設計研發完成，并于2025-06-27向國家知識產權局提交的專利申請。

本多模態特征與提示機制的過流面缺陷檢測識別方法及系統在說明書摘要公布了：本發明涉及工業缺陷檢測技術領域，公開了多模態特征與提示機制的過流面缺陷檢測識別方法及系統，包括：采集水輪機轉輪過流面表面的圖像數據和點云數據，將點云數據轉換成的表面缺陷二維圖像；基于深度遞歸網絡的圖像超分辨率重建方法，得到的高分辨率缺陷圖像；缺陷圖像輸入生成對抗網絡，判斷數據來源，通過目標函數優化生成模型生成高質量缺陷圖像，擴充數據集供缺陷識別檢測模型使用；將點云數據輸入PDE?Net進行動態鄰接圖構建，經圖卷積與多層特征提取后映射到具體缺陷類別。本發明的有益效果：在多模態特征提取階段引入了混合注意力機制，充分提取了缺陷圖像中的全局信息和局部細節，提高了復雜缺陷的檢測能力。

本發明授權多模態特征與提示機制的過流面缺陷檢測識別方法及系統在權利要求書中公布了：1.多模態特征與提示機制的過流面缺陷檢測識別方法，其特征在于，包括： 采集水輪機轉輪過流面表面的圖像數據和點云數據，將點云數據轉換成的表面缺陷二維圖像； 基于深度遞歸網絡的圖像超分辨率重建方法，得到的高分辨率缺陷圖像； 缺陷圖像輸入生成對抗網絡，判斷數據來源，通過目標函數優化生成模型生成高質量缺陷圖像，擴充數據集供缺陷識別檢測模型使用； 將點云數據輸入PDE-Net進行動態鄰接圖構建，經圖卷積與多層特征提取后映射出缺陷的類別； 所述生成高質量缺陷圖像包括，多模態特征提取中對云數據處理時，構建動態鄰接圖環節，PDE-Net針對輸入的點云數據采用K近鄰算法計算點間歐幾里得距離確定最近鄰，且每層特征提取時重新計算鄰接點以實現動態鄰接圖構建，同時對每一對鄰近點pi和pj計算變特征，通過拼接點的特征及對應位置特征獲取，其中，通過特征映射值表示對應點的特征及位置： eij＝fpi,pj＝[hi,hj,pj-pi] 其中，eij為表示點pi和pj之間的特征映射值，hi和hj表示點pi和pj的特征表示，pj-pi表示兩點的相對位置； 所述擴充數據集包括，利用混合注意力機制提取圖像的輪廓、形狀、紋理的全局特征，并增強模型對小尺度缺陷的局部學習能力； 混合注意力機制由全局注意力機制和局部注意力機制加權融合構成，公式表示為： 其中，aij為全局注意力權重，score表示余弦相似度函數，n表示輸入序列的長度；xi、xj、xk表示輸入序列的元素i、j、k；i、j、k為變量索引； 局部注意力機制，設置每個元素的局部上下文窗口為3，在當前窗口內計算相似度，并應用softmax函數獲得局部注意力權重，公式表示為： 混合注意力機制使用全局注意力機制和局部注意力機制的權重對輸入進行加權求和，形成上下文表示為： 并采用加權方式將GA和LA機制的上下文表示進行融合，形成新的綜合特征向量，計算公式表示為： 其中，aij'為局部注意力權重，表示超參數，控制全局和局部信息的權重；local_window表示局部上下文窗口；表示對整個序列的加權求和，表示使用局部上下文窗口中的加權求和； 所述缺陷識別檢測模型包括，構建缺陷檢測中的提示機制，將含拼接裂縫和裂紋缺陷的圖像輸入分支網絡，通過設計損失函數學習裂紋和拼接裂縫特征，提示機制用Sigmoid激活函數生成二分類掩膜表示像素點為接縫或裂紋的概率，并輸出接縫特征向量； 以特征提取網絡輸出的多模態融合特征為輸入，結合提示機制的拼接裂縫信息與特征，使檢測網絡能識別缺陷類型并甄別接縫與裂紋缺陷，對應損失函數由置信度、邊界框和分類損失函數加權求和得到，通過計算當前損失函數評估缺陷標注框合理性。

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四川華能太平驛水電有限責任公司;西安熱工研究院有限公司，其通訊地址為：623003 四川省阿壩藏族羌族自治州汶川縣映秀鎮；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”。