買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉常州大學(xué)申請的專利一種面向鋼材表面缺陷檢測的遷移學(xué)習(xí)方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116468681B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310349447.9，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種面向鋼材表面缺陷檢測的遷移學(xué)習(xí)方法是由朱正偉;顏丙濤;朱晨陽;宋欣杰;諸燕平設(shè)計研發(fā)完成，并于2023-04-04向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種面向鋼材表面缺陷檢測的遷移學(xué)習(xí)方法在說明書摘要公布了：本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種面向鋼材表面缺陷檢測的遷移學(xué)習(xí)方法，包括通過工業(yè)相機獲取鋼材表面圖像樣本并對圖像樣本進(jìn)行預(yù)處理，將預(yù)處理后的鋼材圖像樣本分為源域和目標(biāo)域，并對源域鋼材缺陷樣本進(jìn)行標(biāo)記；采用ResNet50網(wǎng)絡(luò)提取源域和目標(biāo)域的鋼材缺陷特征，并將源域和目標(biāo)域數(shù)據(jù)映射到聯(lián)合子空間內(nèi)；通過線性判別分析方法對高維特征進(jìn)行降維處理實現(xiàn)源域和目標(biāo)域子空間對齊；從源域和目標(biāo)域兩個方面選擇目標(biāo)域樣本子集進(jìn)行偽標(biāo)記，通過迭代學(xué)習(xí)完成對所有目標(biāo)域鋼材表面缺陷樣本的偽標(biāo)記。本發(fā)明能夠準(zhǔn)確、快速的鋼材表面缺陷進(jìn)行檢測，并提高鋼材表面缺陷檢測的泛化能力，降低缺陷檢測對數(shù)據(jù)量的要求。

本發(fā)明授權(quán)一種面向鋼材表面缺陷檢測的遷移學(xué)習(xí)方法在權(quán)利要求書中公布了：1.一種面向鋼材表面缺陷檢測的遷移學(xué)習(xí)方法，其特征在于，包括以下步驟： 步驟一、通過工業(yè)相機獲取鋼材表面圖像樣本并對圖像樣本進(jìn)行預(yù)處理，將預(yù)處理后的鋼材圖像樣本分為源域和目標(biāo)域，并對源域鋼材缺陷樣本進(jìn)行標(biāo)記； 步驟二、采用ResNet50網(wǎng)絡(luò)提取源域和目標(biāo)域的鋼材缺陷特征，并將源域和目標(biāo)域數(shù)據(jù)映射到聯(lián)合子空間內(nèi)； 步驟三、通過線性判別分析方法對高維特征進(jìn)行降維處理實現(xiàn)源域和目標(biāo)域子空間對齊； 步驟三具體包括： 步驟31、計算降維后的第i類鋼材表面缺陷中心點為 ，為各缺陷類別的樣本中心點，為降維目標(biāo)需求投影矩陣的轉(zhuǎn)置；降維后所有樣本的中心點為 ； 步驟32、定義降維后新的樣本空間中各類別之間離散度； 其中，為所有鋼材表面缺樣本的中心點； 步驟33、定義降維后新的樣本空間中各類別內(nèi)緊致度S W ； ； 其中，為經(jīng)降維后的樣本矩陣； 步驟34、根據(jù)新的樣本空間中各類別之間離散度，定義各類別之間散度矩陣； 步驟35、根據(jù)新的樣本空間中各類別內(nèi)緊致度，定義各類別內(nèi)部散度矩陣； 步驟36、根據(jù)散度矩陣將簡化為，簡化為； 步驟37、根據(jù)線性判別準(zhǔn)則建立目標(biāo)函數(shù)：； 步驟38、使取最大值結(jié)合拉格朗日乘子法得到對應(yīng)的拉格朗日函數(shù)為： 式中，為投影矩陣的第k列，為分配權(quán)重參數(shù)； 步驟39、通過投影矩陣降維后的新的樣本矩陣為：，為降維后的樣本維度； 步驟四、從源域和目標(biāo)域兩個方面選擇目標(biāo)域樣本子集進(jìn)行偽標(biāo)記，通過迭代學(xué)習(xí)完成對所有目標(biāo)域鋼材表面缺陷樣本的偽標(biāo)記； 步驟四具體包括： 根據(jù)標(biāo)簽信息得到源域樣本的分布結(jié)構(gòu)，對源域所有樣本中屬于同一缺陷類別的投影求均值： 其中，表示屬于同一缺陷類別的映射均值，表示投影后第i個屬于y類的缺陷樣本，y=0,1,…|Y|表示數(shù)據(jù)樣本中鋼材表面缺陷類別的數(shù)量； 利用目標(biāo)域樣本在子空間中的投影到源域映射均值之間的距離表示目標(biāo)域樣本和源域樣本之間的差異： 通過計算目標(biāo)域樣本在子空間中的投影與類原型樣本之間的差異，得到目標(biāo)樣本屬于y類的條件概率： 。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人常州大學(xué)，其通訊地址為：213000 江蘇省常州市武進(jìn)區(qū)滆湖路1號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。