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！

龍圖騰網獲悉浙江大學申請的專利融合學習和知識的工業品表面缺陷定位方法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：CN116703866B 。

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：202310682880.4，技術領域涉及：G06T7/00；該發明授權融合學習和知識的工業品表面缺陷定位方法是由李春光;錢程;勞驍賢設計研發完成，并于2023-06-09向國家知識產權局提交的專利申請。

本融合學習和知識的工業品表面缺陷定位方法在說明書摘要公布了：本發明公開了一種融合學習和知識的工業品表面缺陷定位方法。工業品表面缺陷定位是工業品質量檢測中的重要環節，實現準確高效的缺陷定位至關重要。通常，缺陷圖像也被稱為異常樣本，無缺陷圖像也被稱為正常樣本。當前已有諸多目標檢測和缺陷檢測方法，然而它們需要大量的異常樣本和比較精確的異常區域位置標注，這在實際生產環境中很難做到。在實際應用中，領域專家在長期實踐中總結了寶貴的規則知識，合理地利用規則可以進一步提升異常定位的性能。本發明提出了一種融合學習和知識的工業品表面缺陷定位方法，能夠在大量正常樣本的基礎上，利用少量的弱標簽的異常樣本和規則知識來幫助網絡學習異常模式，從而提升異常定位性能。

本發明授權融合學習和知識的工業品表面缺陷定位方法在權利要求書中公布了：1.融合學習和知識的工業品表面缺陷定位方法，其特征在于，包括以下幾個步驟： 步驟1、獲取工業品表面圖像并對其進行預處理和數據增強； 步驟2、設計工業品表面圖像重構網絡及其損失函數，并使用無缺陷的工業品表面圖像訓練網絡，得到預訓練模型；所述重構網絡為一種卷積自編碼器，包括編碼器和解碼器；所述編碼器包括卷積層和LeakyReLU激活層，編碼器從圖像中提取語義信息，再從語義信息中提取具有表征意義的特征，輸出特征向量，解碼器的結構與編碼器相對稱，根據特征向量還原圖像； 步驟3、根據缺陷的形成原理和實際情況總結工業品表面缺陷的規律，并根據規律設計缺陷規則；所述缺陷規則采用一種基于模糊邏輯的規則表示法，預先設定缺陷的各類屬性，計算每個屬性的規則分數，計算缺陷規則對若干個屬性進行描述，針對一條規則，采用“最大-相乘”合成算子綜合考慮各屬性規則分數得到該條規則下的規則分數，假設有n條規則，得到n個不同的規則分數rs1,rs2,…,rsn，最終該區域的規則分數為所有規則分數的析取： rs＝∨irsi 步驟4、由缺陷圖像和預訓練模型計算重構殘差圖，基于缺陷規則，設計閾值選定機制來從重構殘差圖中劃分出缺陷區域，從而得到偽標簽；所述的閾值選定機制為對于每一個缺陷樣本，從低到高進行遍歷候選閾值，根據規則計算每一個分割區域的規則分數，當分割區域的規則分數超過某個閾值時，認為該區域很有可能是缺陷區域，設置相對閾值分數來衡量閾值的優劣，對于所有可能的缺陷區域，相對閾值分數最高的閾值確定的缺陷區域為最終的缺陷區域；所述相對閾值分數為閾值分數與基準閾值分數的比值，其中，閾值分數為缺陷區域規則分數與面積的乘積，基準閾值分數為規則分數首次大于等于0.8時的閾值分數； 步驟5、基于正常像素點重構誤差小、缺陷像素點重構誤差大的原則設計損失函數，對預訓練模型進行微調；利用前一輪的偽標簽微調重構網絡，當網絡訓練輪次epoch到達預設次數時，則停止本輪訓練，將本輪得到的偽標簽用于下一輪微調重構網絡；直至驗證集誤差小于預設閾值；得到缺陷定位模型，將待識別工業品表面圖像輸入所述缺陷定位模型，得到重構殘差圖，從而定位缺陷。

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浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866號；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”。