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！

龙图腾网获悉福州大学;福建三钢闽光股份有限公司申请的专利基于动态负样本挖掘的钢截面自监督异常检测方法及系统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：CN119991655B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510457255.9，技术领域涉及：G06T7/00；该发明授权基于动态负样本挖掘的钢截面自监督异常检测方法及系统是由钟剑锋;林奇辉;施羽涵;钟舜聪;黄云华;叶爱丽;苏正飞;邱纪汉;兰源平;吴舒淇设计研发完成，并于2025-04-14向国家知识产权局提交的专利申请。

本基于动态负样本挖掘的钢截面自监督异常检测方法及系统在说明书摘要公布了：本发明提出基于动态负样本挖掘的钢截面自监督异常检测方法及系统，所述方法步骤如下：S1、构建多分支网络模型；S2、钢截面的无异常样本图通过边缘显著性分析截取显著性区域，获取无异常样本子图与边缘显著性二值图；S3、随机柏林噪声图结合边缘显著性二值图，根据最小交集原则生成合成掩码一后，经过异常区域筛选与平滑处理获得异常掩码；利用纹理数据、异常掩码和无异常样本子图生成合成异常图片；S4、利用无异常样本子图与合成异常样本进行多分支网络模型训练，获得训练好的多分支网络模型以进行钢截面样本图异常检测。本发明适用于样本数量少、缺陷类别多且难以训练的复杂情况，具有易于训练、高检测能力以及出色的细节处理能力。

本发明授权基于动态负样本挖掘的钢截面自监督异常检测方法及系统在权利要求书中公布了：1.基于动态负样本挖掘的钢截面自监督异常检测方法,其特征在于，所述方法包括以下步骤： 步骤S1：构建多分支网络模型，所述多分支网络模型包括特征提取层E、线性映射层L、多分支特征提取层M、自适应参数生成层P以及判别层D； 步骤S2：钢截面的无异常样本图通过边缘显著性分析截取显著性区域，获取无异常样本子图IP与显著性二值图Me； 步骤S3：将步骤S2中获取的无异常样本子图IP作为合成异常样本的基图；首先，生成随机柏林噪声图，并结合步骤S2中获取的显著性二值图Me，根据最小交集原则生成合成掩码一；合成掩码一经过异常区域筛选与平滑处理获得异常掩码mask；然后，从DTD纹理数据库获取纹理数据，并按照预设分布比例将所述纹理数据与无异常样本子图IP在异常掩码区域进行比例混合，获取合成异常样本IN； 步骤S4：将步骤S2与步骤S3中获取的无异常样本子图IP与合成异常样本IN作为多分支网络模型的输入进行模型训练，获得训练好的多分支网络模型用于进行钢截面样本图异常检测； 步骤S5：将待检测钢截面样本图输入特征提取层E中，依次经过特征提取层E与线性映射层L获得高维特征向量v，形状为B,C，B为特征提出层的输出批次量，C表示为线性映射层的输出维度； 高维特征向量v输入多分支特征提取层M中，输出分支特征向量V，形状为B,C,N，N表示分支网络的分支个数； 根据分支特征向量V获得判别层D的输入Vo： 其中，表示向量μ与向量在向量维度2进行拼接，表示对向量V沿着维度3求期望，表示对向量V-μ2沿着维度3求期望，μ表示分支特征向量V沿着维度3的期望值； 将Vo输入判别层D中，获取异常得分；将其重塑尺寸为b,h,w以获取待检测图像空间异常掩码，其中b、h和w分别表示输入批次、异常掩码图的高以及异常掩码图的宽。

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福州大学;福建三钢闽光股份有限公司，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。