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！

龙图腾网恭喜中国科学技术大学先进技术研究院;中国科学技术大学申请的专利一种微尺度VOCs泄漏检测方法、系统、存储介质及设备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：CN113850172B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202111096477.0，技术领域涉及：G06V10/25；该发明授权一种微尺度VOCs泄漏检测方法、系统、存储介质及设备是由曹洋;谭几方;康宇;夏秀山;许镇义设计研发完成，并于2021-09-18向国家知识产权局提交的专利申请。

本一种微尺度VOCs泄漏检测方法、系统、存储介质及设备在说明书摘要公布了：本发明的一种微尺度VOCs泄漏检测方法、系统、存储介质及设备，包括以下步骤：S10、获取VOCs泄漏区和无泄漏区的红外图像进行数据预处理；S20、将预处理数据输入骨干网络，采用不同大小的核函数进行特征学习；S30、使用粗分类模块过滤大量非VOCs泄漏气体背景区域，提取出疑似VOCs泄漏图像；S40、使用细分类模块对疑似VOCs泄漏图像进行分类，并对VOCs泄漏位置回归定位，进而得出检测结果。本发明充分利用卷积神经网络对VOCs泄漏红外图像特征学习，通过粗粒度到细粒度框架，粗分类器有效的过滤大量背景信息，减少了计算量，使用细分类器进行精准定位和识别分类，从而有效的节省计算资源并提高检测准确性。

本发明授权一种微尺度VOCs泄漏检测方法、系统、存储介质及设备在权利要求书中公布了：1.一种微尺度VOCs泄漏检测方法，其特征在于：包括以下步骤：S10、获取VOCs泄漏区和无泄漏区的红外图像进行数据预处理；S20、将预处理数据输入骨干网络，采用不同大小的核函数进行特征学习；S30、使用粗分类模块过滤大量非VOCs泄漏气体背景区域，提取出疑似VOCs泄漏图像；S40、使用细分类模块对疑似VOCs泄漏图像进行分类，并对VOCs泄漏区域进行回归定位，进而实现VOCs泄露检测；所述S20、将预处理数据输入骨干网络，采用不同大小的核函数进行特征学习，具体包括如下细分步骤S21至S24：S21：将预处理红外图像输入到骨干网络中，其中前三层为卷积层，卷积核为大小，保持原分辨率不变；S22：采用池化操作，使原有图像分辨率降低到原来一半大小，再输入到三个卷积层，卷积核大小为；S23：通过三个并行卷积运算，三个分支由大小不同的、和的卷积核来实现，其中每个分支包含三个卷积层，再将三分支不同核学习的特征映射串联起来；S24：最后将串联起来的特征进行卷积操作，再将拼接后的特征图拉伸为深度大小，其中整个模型表示为 其中表示拼接前每个源特征图的变换函数；表示转换前的每个特征图；表示每个分支标签；为特征映射融合函数；是融合的特征映射；所述S40、使用细分类模块对疑似VOCs泄漏图像进行分类，并对VOCs泄漏区域进行回归定位，进而实现VOCs泄露检测，进而实现具体包括如下细分步骤S41至S44：S41：经过分类子网对图像进行预测，将粗分类结果输入到五个卷积层中，前四个有个滤波器，所有滤波器后面都有激活，表示为 其中，为神经元的个数；S42：再输入到第五个3×3卷积层，有B个滤波器，B为包围盒个数；S43：经过回归子网对VOCs泄漏区域进行定位回归，将粗分类结果输入到五个3*3卷积层中，前四个有256个滤波器，所有滤波器后面都有激活，最后一个卷积核输出特征映射的深度为8；S44：采用交并比对锚框和标注框进行选择，其中分类子网和回归子网共享一个公共输入特征映射，即融合特征映射。

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国科学技术大学先进技术研究院;中国科学技术大学，其通讯地址为：230088 安徽省合肥市高新区望江西路5089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”。