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！

龙图腾网获悉深圳市深视创新科技有限公司申请的专利基于条件令牌的可泛化性深度学习缺陷检测方法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：CN120182279B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510662026.0，技术领域涉及：G06T7/00；该发明授权基于条件令牌的可泛化性深度学习缺陷检测方法是由许琦;何志权设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本基于条件令牌的可泛化性深度学习缺陷检测方法在说明书摘要公布了：本发明公开了基于条件令牌的可泛化性深度学习缺陷检测方法，涉及计算机视觉、深度学习缺陷检测技术领域，包括针对同一批样品，选择个合格样品图作为参考图像，将待检测样品图划分为待检区域小图，并获取参考图像上同一位置的参考小图；对参考小图进行扩增，将扩增后的参考小图与待检测区域小图作为Transformer网络的输入，通过多层自注意力机制获取两者之间的关键特征信息，并进行特征融合，再利用决策网络进行缺陷检测，得到缺陷的位置掩码和类别。因此，采用上述基于条件令牌的可泛化性深度学习缺陷检测方法，能够应对工业检测领域所面临的各种环境噪声和产品工艺变化，提升缺陷检测的准确率和鲁棒性。

本发明授权基于条件令牌的可泛化性深度学习缺陷检测方法在权利要求书中公布了：1.基于条件令牌的可泛化性深度学习缺陷检测方法，其特征在于，包括以下步骤： S1、针对同一批样品，选择个合格样品图作为参考图像，将待检测样品图划分为待检区域小图，同时，获取参考图像上同一位置的参考小图，并对参考小图进行扩增，增加样本的多样性； S2、将扩增后的参考小图与待检测区域小图作为Transformer网络的输入，利用共享编码器对每张参考小图进行特征提取，再抽取相应的全局语义表示，聚合成条件令牌，同时对待检测区域小图进行图像块特征提取，将条件令牌与待检测区域小图的图像块特征进行整合作为联合输入，通过自注意力机制得到第一特征； S3、通过跨图像注意力融合模块，分别提取待检区域小图和参考小图的图像块特征，将待检区域小图的图像块特征用于生成查询向量，参考小图的图像块特征用于生成键向量和值向量，通过交叉注意力机制得到第二特征，将第一特征和第二特征进行加权融合，得到融合后的特征； S4、基于融合后的特征，结合embedding距离损失和交叉熵损失构建总损失函数，并利用决策网络进行缺陷检测，得到训练后深度学习缺陷检测模型； S5、对于同一批次的待测样品，利用训练后的深度学习缺陷检测模型提取待检测区域小图与参考小图之间的关键特征，再经过决策网络得到softmax得分图，取得最大概率对应类别掩码，从而获得待测样品的缺陷定位以及类别信息。

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深圳市深视创新科技有限公司，其通讯地址为：518033 广东省深圳市福田区福田街道岗厦社区彩田南路3001号彩福大厦汇福阁18F；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”。