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！

龙图腾网获悉重庆都宸工业技术有限公司;重庆科技大学申请的专利基于掩码引导分割网络的螺母松动检测方法、设备及介质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：CN121661365B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610155347.6，技术领域涉及：G06V10/74；该发明授权基于掩码引导分割网络的螺母松动检测方法、设备及介质是由邓泽勇;吴磊;魏立;利节;葛玉兰;张兵设计研发完成，并于2026-02-04向国家知识产权局提交的专利申请。

本基于掩码引导分割网络的螺母松动检测方法、设备及介质在说明书摘要公布了：本发明公开了一种基于掩码引导分割网络的螺母松动检测方法、设备及介质，其中，基于掩码引导分割网络的螺母松动检测方法包括：图像采集与多样化数据增强的步骤；掩码引导边界增强多路径分割网络的步骤；基于精细分割掩码的环形与分节划分的步骤；构建光流估计模型的步骤；获取位移时间序列与时序松动特征的步骤；基于自适应阈值进行螺母松动状态判定的步骤。与现有方法相比，本基于掩码引导分割网络的螺母松动检测方法在强反光与噪声背景下显著提升分割边界清晰度与小幅旋转径向位移的感知能力，能区分短时随机扰动与持续性松动，无需物理标记，适用于风电装备在役监测与其他紧固件类结构的视觉化状态检测。

本发明授权基于掩码引导分割网络的螺母松动检测方法、设备及介质在权利要求书中公布了：1.一种基于掩码引导分割网络的螺母松动检测方法，其特征在于，按照以下步骤进行： S1、采集包含螺母及其周围背景的图像数据集，并对图像数据集进行多样化数据增强处理，得到预处理后的图像数据集； S2、构建掩码引导边界增强多路径分割网络，对预处理后的图像数据集进行特征提取与多路径分割，获得在高反光复杂背景下的螺母精细分割掩码； 所述步骤S2按照以下步骤进行： S21、利用统一的特征提取网络对预处理后的图像数据集进行初步特征提取，得到供多条分割路径共同使用的基础特征图； S22、将基础特征图分别输入至主语义路径、边缘高频路径和反光抑制路径，分别得到用于表征螺母整体区域的语义特征的主语义路径输出的特征图、用于表征螺母边界及细小结构特征的边缘高频路径输出的特征图以及用于表征高反光区域的权重分布的反光抑制路径输出的特征图； S23、基于主语义路径在解码阶段输出的中间预测结果生成初始螺母掩码，将初始螺母掩码输入至边缘高频路径和反光抑制路径中作为掩码引导信息，构建得到边界注意力特征与经反光抑制的权重图； S24、对初始螺母掩码进行迭代精细化处理，得到精修螺母掩码； S25、将主语义路径输出的特征图、边界注意力特征和经反光抑制的权重图进行注意力加权融合，并结合精修螺母掩码，经由解码器和上采样模块输出螺母精细分割掩码； S3、基于螺母精细分割掩码，在环形坐标系下对螺母群区域进行角度分区，确定各螺母的空间位置区域； 所述步骤S3按照以下步骤进行： S31、基于螺母精细分割掩码提取各螺母的连通区域，得到每颗螺母的目标区域及其在当前图像坐标系中的质心位置； S32、结合设备标定，将塔筒法兰几何中心映射为极坐标原点，根据每颗螺母的质心坐标计算其极坐标； S33、将整圆按角度均分为若干等宽扇区，将每个螺母的角度位置映射到相应扇区，得到螺母的角度分节标识； S4、构建融合无定形查找算子与注意力特征定位机制的光流估计模型，对相邻帧螺母图像进行光流估计，获取在无标记条件下，各螺母的光流位移矢量； 所述步骤S4按照以下步骤进行： S41、对相邻帧螺母图像进行多尺度特征提取，构建用于光流估计的多尺度特征金字塔； S42、在每一尺度特征图上，利用无定形查找算子对当前帧的螺母区域与候选帧的邻域区域进行相关匹配，获得匹配相似度特征； S43、通过在多尺度和多形态搜索域内进行相关或相似度计算，获得适应螺母微小旋转和平移的光流候选匹配结果； S44、构建全局空间增强型注意力特征定位器，将多尺度特征金字塔输入注意力模块，通过全局注意力建模各螺母与背景区域之间的长程依赖关系； S45、将无定形查找算子获得的匹配相似度特征与注意力特征定位器输出的加权特征进行融合，输入光流回归网络，输出每个螺母在相邻帧之间的位移矢量； S5、对各螺母的光流位移矢量进行时序轨迹建模，分析其位移累积趋势与方向一致性，形成螺母松动特征序列； S6、在无标记条件下，基于历史正常工况的光流分布，自适应设定松动判定阈值，并与螺母松动特征序列进行比较，输出螺母松动状态信息。

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重庆都宸工业技术有限公司;重庆科技大学，其通讯地址为：400039 重庆市九龙坡区二郎街道科城路65号附2-46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。