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！

龙图腾网获悉浙江大学申请的专利融合学习和知识的工业品表面缺陷定位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：CN116703866B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310682880.4，技术领域涉及：G06T7/00；该发明授权融合学习和知识的工业品表面缺陷定位方法是由李春光;钱程;劳骁贤设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本融合学习和知识的工业品表面缺陷定位方法在说明书摘要公布了：本发明公开了一种融合学习和知识的工业品表面缺陷定位方法。工业品表面缺陷定位是工业品质量检测中的重要环节，实现准确高效的缺陷定位至关重要。通常，缺陷图像也被称为异常样本，无缺陷图像也被称为正常样本。当前已有诸多目标检测和缺陷检测方法，然而它们需要大量的异常样本和比较精确的异常区域位置标注，这在实际生产环境中很难做到。在实际应用中，领域专家在长期实践中总结了宝贵的规则知识，合理地利用规则可以进一步提升异常定位的性能。本发明提出了一种融合学习和知识的工业品表面缺陷定位方法，能够在大量正常样本的基础上，利用少量的弱标签的异常样本和规则知识来帮助网络学习异常模式，从而提升异常定位性能。

本发明授权融合学习和知识的工业品表面缺陷定位方法在权利要求书中公布了：1.融合学习和知识的工业品表面缺陷定位方法，其特征在于，包括以下几个步骤： 步骤1、获取工业品表面图像并对其进行预处理和数据增强； 步骤2、设计工业品表面图像重构网络及其损失函数，并使用无缺陷的工业品表面图像训练网络，得到预训练模型；所述重构网络为一种卷积自编码器，包括编码器和解码器；所述编码器包括卷积层和LeakyReLU激活层，编码器从图像中提取语义信息，再从语义信息中提取具有表征意义的特征，输出特征向量，解码器的结构与编码器相对称，根据特征向量还原图像； 步骤3、根据缺陷的形成原理和实际情况总结工业品表面缺陷的规律，并根据规律设计缺陷规则；所述缺陷规则采用一种基于模糊逻辑的规则表示法，预先设定缺陷的各类属性，计算每个属性的规则分数，计算缺陷规则对若干个属性进行描述，针对一条规则，采用“最大-相乘”合成算子综合考虑各属性规则分数得到该条规则下的规则分数，假设有n条规则，得到n个不同的规则分数rs1,rs2,…,rsn，最终该区域的规则分数为所有规则分数的析取： rs＝∨irsi 步骤4、由缺陷图像和预训练模型计算重构残差图，基于缺陷规则，设计阈值选定机制来从重构残差图中划分出缺陷区域，从而得到伪标签；所述的阈值选定机制为对于每一个缺陷样本，从低到高进行遍历候选阈值，根据规则计算每一个分割区域的规则分数，当分割区域的规则分数超过某个阈值时，认为该区域很有可能是缺陷区域，设置相对阈值分数来衡量阈值的优劣，对于所有可能的缺陷区域，相对阈值分数最高的阈值确定的缺陷区域为最终的缺陷区域；所述相对阈值分数为阈值分数与基准阈值分数的比值，其中，阈值分数为缺陷区域规则分数与面积的乘积，基准阈值分数为规则分数首次大于等于0.8时的阈值分数； 步骤5、基于正常像素点重构误差小、缺陷像素点重构误差大的原则设计损失函数，对预训练模型进行微调；利用前一轮的伪标签微调重构网络，当网络训练轮次epoch到达预设次数时，则停止本轮训练，将本轮得到的伪标签用于下一轮微调重构网络；直至验证集误差小于预设阈值；得到缺陷定位模型，将待识别工业品表面图像输入所述缺陷定位模型，得到重构残差图，从而定位缺陷。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；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”。