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！

龙图腾网获悉中南大学申请的专利一种基于YOLO-NAS与Transformer融合的电容器外观智能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：CN119762889B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202411971122.5，技术领域涉及：G06V10/764；该发明授权一种基于YOLO-NAS与Transformer融合的电容器外观智能缺陷检测方法是由许雪梅;陈雪;付一品;朱泽涵;林斌;程佑康设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于YOLO-NAS与Transformer融合的电容器外观智能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YOLO‑NAS与Transformer融合的电容器外观智能缺陷检测方法，属于人工智能和工业自动化领域，采用轻量级主干网络结合MobileViT，通过NAS优化特征提取架构，提升全局特征表达能力；引入Transformer‑FPN实现多尺度特征融合；通过特征蒸馏利用教师模型高阶特征指导学生模型学习；采用改进定位损失函数优化小目标与不规则缺陷检测精度；结合Soft‑NMS和DIoU‑NMS并通过模型剪枝与混合量化降低计算复杂度，实现嵌入式设备实时检测部署。本发明采用上述的一种基于YOLO‑NAS与Transformer融合的电容器外观智能缺陷检测方法，通过结合轻量化主干网络、Transformer模块、多尺度特征融合以及改进的损失函数，解决小目标漏检、多缺陷区分困难和模型计算复杂度高的问题。

本发明授权一种基于YOLO-NAS与Transformer融合的电容器外观智能缺陷检测方法在权利要求书中公布了：1.一种基于YOLO-NAS与Transformer融合的电容器外观智能缺陷检测方法，其特征在于，包括以下步骤： S1、制作数据集，包括采集电容器外观图像和标注电容器的缺陷，将采集到的图像数据进行分类整理，形成用于模型训练和测试的数据集； S2、构建基于YOLO-NAS和Transformer的网络模型，所述基于YOLO-NAS和Transformer的网络模型融合轻量化主干网络和多尺度特征融合的Transformer模块；基于YOLO-NAS和Transformer的网络模型包括轻量化Backbone、多尺度特征融合的Transformer-FPN模块和YOLO检测头；所述轻量化Backbone采用GhostNet或ShuffleNetV2结构，并结合MobileViT块以增强特征提取效率和全局信息的获取； S3、训练所述基于YOLO-NAS和Transformer的网络模型，使用采集和标注的数据集，通过迭代优化模型参数，对电容器缺陷的准确检测； S4、测试所述基于YOLO-NAS和Transformer的网络模型，通过独立的测试数据集验证模型的检测效果和实际应用价值。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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”。