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(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉東北大學(xué)申請的專利一種基于重構(gòu)網(wǎng)絡(luò)的三模態(tài)無監(jiān)督工業(yè)異常檢測方法獲國家發(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：CN120388024B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09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：202510887837.0，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于重構(gòu)網(wǎng)絡(luò)的三模態(tài)無監(jiān)督工業(yè)異常檢測方法是由陳昊鵬;咸婧儀;林川設(shè)計(jì)研發(fā)完成，并于2025-06-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于重構(gòu)網(wǎng)絡(luò)的三模態(tài)無監(jiān)督工業(yè)異常檢測方法在說明書摘要公布了：本發(fā)明提供了一種基于重構(gòu)網(wǎng)絡(luò)的三模態(tài)無監(jiān)督工業(yè)異常檢測方法，涉及工業(yè)異常檢測技術(shù)領(lǐng)域，本發(fā)明首先將合成的三種不同模態(tài)的異常圖像恢復(fù)成正常圖像，使重構(gòu)網(wǎng)絡(luò)具備捕捉和恢復(fù)異常圖像的能力，由此本發(fā)明所提出的方法在運(yùn)行過程中無需依賴外部記憶模塊存儲特征信息，顯著提升了模型在資源受限環(huán)境下的部署效率與響應(yīng)速度。此外，基于Transformer的重構(gòu)網(wǎng)絡(luò)能對圖像的細(xì)粒度特征進(jìn)行有效的提取，同時本發(fā)明充分利用多層自注意力機(jī)制融合RGB圖像中的紋理細(xì)節(jié)、紅外圖像中的熱分布特征以及3D點(diǎn)云圖像中的幾何形狀信息，不僅提升了異常檢測的細(xì)粒度識別能力，還在復(fù)雜工業(yè)環(huán)境下表現(xiàn)出較強(qiáng)的魯棒性與泛化能力。

本發(fā)明授權(quán)一種基于重構(gòu)網(wǎng)絡(luò)的三模態(tài)無監(jiān)督工業(yè)異常檢測方法在權(quán)利要求書中公布了：1.一種基于重構(gòu)網(wǎng)絡(luò)的三模態(tài)無監(jiān)督工業(yè)異常檢測方法，其特征在于，包括： 步驟1：獲取工業(yè)生產(chǎn)過程中符合預(yù)設(shè)生產(chǎn)標(biāo)準(zhǔn)的目標(biāo)產(chǎn)品，進(jìn)而獲取目標(biāo)產(chǎn)品的RGB圖像，將目標(biāo)產(chǎn)品的RGB圖像作為正常RGB圖像，獲取目標(biāo)產(chǎn)品的紅外線圖像，將目標(biāo)產(chǎn)品的紅外線圖像作為正常紅外線圖像，獲取目標(biāo)產(chǎn)品的3D點(diǎn)云圖像，將目標(biāo)產(chǎn)品的3D點(diǎn)云圖像作為正常3D點(diǎn)云圖像； 步驟2：對所述正常RGB圖像、所述正常紅外線圖像和所述正常3D點(diǎn)云圖像進(jìn)行處理，得到異常RGB圖像、異常紅外線圖像和異常3D點(diǎn)云圖像； 步驟3：將異常RGB圖像、異常紅外線圖像和異常3D點(diǎn)云圖像作為輸入樣本，將正常RGB圖像作為輸出樣本，所述輸入樣本和所述輸出樣本構(gòu)成訓(xùn)練樣本，多個訓(xùn)練樣本構(gòu)成訓(xùn)練樣本集； 步驟4：對異常RGB圖像、異常紅外線圖像和異常3D點(diǎn)云圖像進(jìn)行重構(gòu)，得到重構(gòu)RGB圖像特征、重構(gòu)紅外線圖像特征和重構(gòu)3D點(diǎn)云圖像特征； 步驟4.1：針對訓(xùn)練樣本集中訓(xùn)練樣本中的輸入樣本，對輸入樣本中的異常RGB圖像進(jìn)行預(yù)處理，得到預(yù)處理后的RGB圖像，將預(yù)處理后的RGB圖像輸入第一重構(gòu)網(wǎng)絡(luò)，在第一重構(gòu)網(wǎng)絡(luò)中得到重構(gòu)RGB圖像特征； 步驟4.2：對輸入樣本中的異常紅外線圖像進(jìn)行預(yù)處理，得到預(yù)處理后的紅外線圖像，將預(yù)處理后的紅外線圖像輸入第二重構(gòu)網(wǎng)絡(luò)中，得到重構(gòu)紅外線圖像特征； 步驟4.3：對輸入樣本中的異常3D點(diǎn)云圖像進(jìn)行預(yù)處理，得到預(yù)處理后的3D點(diǎn)云圖像，將預(yù)處理后的3D點(diǎn)云圖像輸入第三重構(gòu)網(wǎng)絡(luò)中，得到重構(gòu)3D點(diǎn)云圖像特征； 步驟5：通過多層自注意力融合模塊，對重構(gòu)RGB圖像特征、重構(gòu)紅外線圖像特征和重構(gòu)3D點(diǎn)云圖像特征進(jìn)行融合，得到最終融合特征； 步驟5.1：通過多層自注意力融合機(jī)制，對重構(gòu)RGB圖像特征和重構(gòu)紅外線圖像特征進(jìn)行融合，得到第一初始融合特征，具體通過以下公式實(shí)現(xiàn)： ； ； ； 其中，表示重構(gòu)RGB圖像特征和重構(gòu)紅外線圖像特征的拼接圖像特征；表示第一層自注意力機(jī)制的查詢，表示第一層自注意力機(jī)制的鍵，表示第一層自注意力機(jī)制的值，表示的參數(shù)矩陣，表示的參數(shù)矩陣，表示的參數(shù)矩陣，表示的維度； 步驟5.2：通過多層自注意力融合機(jī)制，對重構(gòu)RGB圖像特征和重構(gòu)3D點(diǎn)云圖像特征進(jìn)行融合，得到第二初始融合特征，具體通過以下公式實(shí)現(xiàn)： ； ； ； 其中，表示重構(gòu)RGB圖像特征和重構(gòu)3D點(diǎn)云圖像特征的拼接圖像特征，表示第二層自注意力機(jī)制的查詢，表示第二層自注意力機(jī)制的鍵，表示第二層自注意力機(jī)制的值，表示的參數(shù)矩陣，表示的參數(shù)矩陣，表示的參數(shù)矩陣，表示的維度； 步驟5.3：通過多層自注意力融合機(jī)制，對第一初始融合特征和第二初始融合特征進(jìn)行混合融合，得到混合融合特征，具體通過以下公式實(shí)現(xiàn)： ； ； ； 其中，表示第一初始融合特征和第二初始融合特征的拼接圖像特征，表示第三層自注意力機(jī)制的查詢，表示第三層自注意力機(jī)制的鍵，表示第三層自注意力機(jī)制的值，表示的參數(shù)矩陣，表示的參數(shù)矩陣，表示的參數(shù)矩陣，表示的維度； 步驟5.4：對混合融合特征和重構(gòu)RGB圖像特征進(jìn)行拼接，得到最終融合特征，具體通過以下公式實(shí)現(xiàn)： ； 步驟6：計(jì)算最終融合特征和正常RGB圖像的異常值s，判斷異常值s是否大于預(yù)設(shè)閾值，在異常值s大于預(yù)設(shè)閾值的情況下，對第一重構(gòu)網(wǎng)絡(luò)、第二重構(gòu)網(wǎng)絡(luò)、第三重構(gòu)網(wǎng)絡(luò)和多層自注意力融合模塊中的參數(shù)進(jìn)行修改，獲取訓(xùn)練樣本集中下一個訓(xùn)練樣本，返回執(zhí)行步驟4，在異常值s不大于預(yù)設(shè)閾值的情況下，將第一重構(gòu)網(wǎng)絡(luò)、第二重構(gòu)網(wǎng)絡(luò)、第三重構(gòu)網(wǎng)絡(luò)和多層自注意力融合模塊中的參數(shù)固定； 步驟7：獲取待檢測的工業(yè)產(chǎn)品的待檢測RGB圖像、待檢測紅外線圖像和待檢測3D點(diǎn)云圖像，對待檢測RGB圖像、待檢測紅外線圖像和待檢測3D點(diǎn)云圖像進(jìn)行重構(gòu)，得到重構(gòu)后的RGB圖像、重構(gòu)后的紅外線圖像和重構(gòu)后的3D點(diǎn)云圖像，進(jìn)而基于通過多層自注意力融合模塊，對重構(gòu)后的RGB圖像、重構(gòu)后的紅外線圖像和重構(gòu)后的3D點(diǎn)云圖像進(jìn)行融合，得到待檢測融合特征，進(jìn)而計(jì)算待檢測融合特征和待檢測RGB圖像之間的異常值，在異常值大于預(yù)設(shè)閾值的情況下，表征待檢測的工業(yè)產(chǎn)品存在異常，在異常值不大于預(yù)設(shè)閾值的情況下，表征待檢測的工業(yè)產(chǎn)品不存在異常。

如需購買、轉(zhuǎn)讓、實(shí)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)人東北大學(xué)，其通訊地址為：110819 遼寧省沈陽市和平區(qū)文化路三號巷11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)”。