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！

龙图腾网获悉嘉兴市特种设备检验检测院申请的专利一种基于改进MASK-R-CNN网络的太赫兹聚乙烯管道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：CN120894313B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511018051.1，技术领域涉及：G06T7/00；该发明授权一种基于改进MASK-R-CNN网络的太赫兹聚乙烯管道缺陷检测方法是由潘金平;范孟豹;孙炫铉;曹丙花;孙凤山;李欣倩设计研发完成，并于2025-07-23向国家知识产权局提交的专利申请。

本一种基于改进MASK-R-CNN网络的太赫兹聚乙烯管道缺陷检测方法在说明书摘要公布了：本发明公开了一种基于改进MASK‑R‑CNN网络的太赫兹聚乙烯管道缺陷检测方法，包括以下步骤：步骤1、采用太赫兹层析成像方法自动获取检测图像，并将图像按照5:2:3的比例划分为训练集、验证集和测试集，通过Label‑Image和LabelMe工具将数据集转换为标准COCO格式；步骤2、把层析图像输入改进的MASK‑R‑CNN网络进行训练。本发明公开的基于改进MASK‑R‑CNN网络的太赫兹聚乙烯管道缺陷检测方法，有益效果在于，通过构建基于CBAM的改进MASK‑R‑CNN聚乙烯管道缺陷识别模型，在复杂背景噪声干扰下，实现PE管道热熔接头缺陷的精确检测与识别。

本发明授权一种基于改进MASK-R-CNN网络的太赫兹聚乙烯管道缺陷检测方法在权利要求书中公布了：1.一种基于改进MASK-R-CNN网络的太赫兹聚乙烯管道缺陷检测方法，其特征在于，包括以下步骤： 步骤1、采用太赫兹层析成像方法自动获取检测图像，并将图像按照5:2:3的比例划分为训练集、验证集和测试集，通过Label-Image和LabelMe工具将数据集转换为标准COCO格式； 步骤2、把层析图像输入改进的MASK-R-CNN网络进行训练；步骤2的改进MASK-R-CNN网络包含残差网络模块、注意力机制模块、特征金字塔网络模块、区域建议网络模块和感兴趣区域对齐模块，以及全连接层；注意力机制模块由通道注意力机制和空间注意力机制组成；将注意力机制和空间注意力机制集成到每个残差块； 步骤3、引入自然指数形式的损失函数替代损失函数，以得到训练好的模型；步骤3具体为： 步骤3.1、复合损失函数整合了用于区域建议生成、缺陷分类和边界框回归的特定任务目标，总损失定义为：，其中，用于控制RPN的训练，而用于最终缺陷检测的Mask-R-CNN网络头部； 步骤3.2、结合了分类损失和回归损失，用于区分缺陷和背景区域，并优化锚框，； 其中，是平衡因子，设置为10，用于平衡分类损失和回归损失之间的比例，是锚是缺陷的预测概率，并且是真值标签，0表示缺陷，1表示背景，与分别表示预测的边界框变换和目标边界框变换，代表预测的x方向偏移量、预测的y方向偏移量、预测的宽度缩放因子和预测的高度缩放因子；和分别是锚框的数量和有效锚框位置的数量；是二元交叉熵损失，用于评估锚框是否包含缺陷，其表达式为，其中是SmoothL1损失，它对锚点与真实边界框之间的偏移量进行优化，其表达式为：，和表示预测和目标边界框的第个锚的第分量的预测值，函数定义为； 步骤3.3、由用于缺陷分类和边界框优化的两个子损失组成：； 其中，是用于缺陷分类的多类别交叉熵复合损失函数，其表达式为：；其中是缺陷类别的数量，是感兴趣区域锚框的数量，是缺陷类别中锚的二进制指标，是缺陷类别中锚预测概率；并且是损失，用于调整提议框以使其与真实缺陷相匹配：，其中，和分别表示感兴趣区域ROI的预测边界框偏移量和目标边界框偏移量； 步骤3.4、设计改进的函数用来优化复合损失函数过程中可能会出现突然的或不稳定的梯度，其函数表达式为，梯度函数表达式为； 步骤4、将步骤1中的测试集应用于训练好的模型，进行模型测试； 步骤5、基于通过模型测试的模型获得聚乙烯管道缺陷检测结果。

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嘉兴市特种设备检验检测院，其通讯地址为：314050 浙江省嘉兴市祝家港路66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。