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！

龙图腾网获悉山东大学;山东省工业技术研究院申请的专利基于视觉-语言提示的工业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：CN119887681B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202411952820.0，技术领域涉及：G06F40/12；该发明授权基于视觉-语言提示的工业缺陷检测方法是由张敬林;张泽恺;陈庆辉;熊毛毛设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本基于视觉-语言提示的工业缺陷检测方法在说明书摘要公布了：本发明涉及工业场景缺陷检测技术领域，尤其是提供了一种基于视觉‑语言提示的工业缺陷检测方法。该方法包括搭建目标检测模型的特征提取网络；根据特征提取网络，搭建视觉‑语言提示模块；搭建视觉‑语言检测模块，并将特征提取网络和视觉‑语言提示模块进行连接，以构建工业缺陷检测模型；训练构建的工业缺陷检测模型，对训练后的工业缺陷检测模型进行封装部署，并通过训练后的工业缺陷检测模型，获得缺陷检测结果，该方法准确区别了工业缺陷，加快了对工业缺陷目标的识别和定位，从而提高了对工业缺陷图像检测的准确性。

本发明授权基于视觉-语言提示的工业缺陷检测方法在权利要求书中公布了：1.一种基于视觉-语言提示的工业缺陷检测方法，其特征在于，所述方法包括： 步骤S1、搭建目标检测模型的特征提取网络； 步骤S2、根据步骤S1中的特征提取网络，搭建视觉-语言提示模块； 步骤S3、搭建视觉-语言检测模块，并将步骤S1中的特征提取网络和步骤S2中的视觉-语言提示模块进行连接，以构建工业缺陷检测模型； 步骤S4、训练步骤S3中构建的工业缺陷检测模型，对训练后的工业缺陷检测模型进行封装部署，并通过训练后的工业缺陷检测模型，获得缺陷检测结果； 所述特征提取网络由分割一切大模型、卷积专家模型、语言编码器和掩码领域适应模块组成；分割一切大模型分支、卷积专家模型分支、语言编码器分支采用并行的方式提取特征； 所述分割一切大模型分支包含编码器结构，其中，编码器结构分为第一注意力模块、第二注意力模块、第三注意力模块和第四注意力模块； 所述卷积专家模型分支包括第一卷积模块、第二卷积模块、第三卷积模块和第四卷积模块； 所述步骤S2中的视觉-语言提示模块由细化的视觉提示模块、视觉语言交互模块组成； 所述细化的视觉提示模块的结构构成包括： 6、将重建后的分割一切大模型分支的第一注意力模块、第二注意力模块、第三注意力模块和第四注意力模块中的特征图通过能量评估函数对每个像素进行打分，得到每个像素位置的不确定性得分Mk，其公式为： 其中，k是归一化常数，Ni是第i个像素的相邻像素集合，是第i个像素和第j个像素之间的相似性度量； 7、不同邻域大小的图像块分割Mk；对于单个像素在特征空间的位置，临域像素集其表示为： 其中，h′,w′为像素的相对位置； 8、给定一组分割后的临域像素集，采用稀疏选择机制选择高频的像素，通过选取top-k个patch内部像素值大于均值的像素完成稀疏样本选择，其公式为： 其中，表示中的任意像素，表示邻域空间内的像素级均值，表示选择出的稀疏样本； 9、引入基于IoU的优化机制来迭代优化特征的激活机制；优化机制的目标为将选择出的高频像素点均落在真实框的区域内；优化机制采用额外的检测头对进行回归预测，通过CIoU来优化特征激活的效果； 所述视觉语言交互模块的结构构成包括： 11、将重建后的分割一切大模型分支的第一注意力模块、第二注意力模块、第三注意力模块和第四注意力模块中的特征图与相乘后与卷积专家模型分支的第一卷积模块、第二卷积模块、第三卷积模块和第四卷积模块中的特征图Sj相加，得到细化的视觉特征FL，其公式为： 12、通过对文本编码器生成的文本特征嵌入T和图像特征FL∈RCxHxWL∈{1,2,3,4}，使用最大Sigmoid注意力查询文本-图像匹配的语义特征；将文本特征聚集到图像特征中，其公式为： 其中，Fimage-text表示细化的视觉-语言特征，σ表示激活函数Sigmoid，表示含有多个关键词的文本嵌入的转置矩阵； 所述步骤S3中的视觉-语言检测模块的结构构成包括： 15、通过回归输出N个对象位置的预测，使用位置回归来定位工业缺陷物体的位置，使用任务对齐的真值标签分配来选择正确的对象位置的预测，并将每个选择的对象位置预测作为正样本与文本匹配作为分类标签； 16、在文本特征嵌入T上，通过对象区域-文本T的相似度和对象-文本之间的交叉熵计算区域-文本对比损失；损失IOU和分布聚焦损失distributedfocalloss用来优化对象位置的预测；其中，当输入图像包含真实框时，计算和，反之则不计算。

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山东大学;山东省工业技术研究院，其通讯地址为：250012 山东省济南市历下区文化西路44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”。