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！

龍圖騰網獲悉合肥綜合性國家科學中心人工智能研究院(安徽省人工智能實驗室);安徽工業大學申請的專利一種基于非范例類增量學習的印刷電路板缺陷檢測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：CN116843620B 。

龍圖騰網通過國家知識產權局官網在2025-08-26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：202310623143.7，技術領域涉及：G06T7/00；該發明授權一種基于非范例類增量學習的印刷電路板缺陷檢測方法是由許鎮義;史珂豪;康宇;曹洋;柏鵬;黃俊;胡峰設計研發完成，并于2023-05-29向國家知識產權局提交的專利申請。

本一種基于非范例類增量學習的印刷電路板缺陷檢測方法在說明書摘要公布了：本發明公開了一種基于非范例類增量學習的印刷電路板缺陷檢測方法，包括獲取PCB圖像，并基于原型排練進行缺陷特征表示學習過程；基于動態結構重組策略獲取舊類缺陷的代表范例，保證新類缺陷的無偏訓練；采用基于可擴展嵌入空間的缺陷原型選擇機制減少蒸餾部分的新舊類缺陷特征混淆；通過平衡校準對缺陷進行分類，得到印刷電路板缺陷結果。本發明通過動態結構重組策略實現循環擴展優化，從而得到缺陷特征結構不變表示。使用主分支蒸餾來通過對齊舊缺陷類上的不變分布缺陷特征知識來保持新網絡對舊缺陷特征的區分。使用一種原型選擇機制，結合保留的不變缺陷知識和輸入的新缺陷樣本，以減少相似缺陷類之間的特征混淆。

本發明授權一種基于非范例類增量學習的印刷電路板缺陷檢測方法在權利要求書中公布了：1.一種基于非范例類增量學習的印刷電路板缺陷檢測方法，其特征在于，具體步驟包括： 步驟S1、獲取PCB圖像，并基于原型排練進行缺陷特征表示學習過程； 步驟S2、基于動態結構重組策略獲取舊類缺陷的代表范例，保證新類缺陷的無偏訓練； 步驟S3、采用基于可擴展嵌入空間的缺陷原型選擇機制減少蒸餾部分的新舊類缺陷特征混淆，其具體步驟包括： 步驟S31、采用全連接層作為缺陷分類器，將缺陷特征表示映射到缺陷標簽空間： ，； 式中，為缺陷特征的映射，為缺陷分類器，為缺陷分類器的可訓練參數，表示標準交叉熵損失函數，為輸入圖像Q中的缺陷標簽，表示模型的交叉熵損失； 步驟S32、使用知識蒸餾來度量所獲得的缺陷特征表示與前一個模型之間的缺陷特征相似性： ，； 式中，表示歐氏距離，與分別為當前階段與上一階段的缺陷特征表示，表示模型的蒸餾損失； 步驟S33、計算新增缺陷樣本與所有缺陷原型之間的歸一化余弦分數為： ； 式中，為余弦操作，代表正則化操作，表示新增缺陷樣本，表示所有缺陷原型； 步驟S34、設置閾值，如果大于閾值，則在其蒸餾損失的相應位置添加一個掩碼，如果小于閾值，則在其交叉熵損失的相應部分添加一個掩碼，最后將缺陷原型平衡損失作為新階段的最終優化損失函數： ； 式中，和是損失函數權重，為模型的原型平衡損失； 步驟S4、通過平衡校準對缺陷進行分類，得到印刷電路板缺陷結果。

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合肥綜合性國家科學中心人工智能研究院(安徽省人工智能實驗室);安徽工業大學，其通訊地址為：230000 安徽省合肥市高新區望江西路5089號，中國科學技術大學先進技術研究院未來中心B1205-B1208；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”。