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！

龙图腾网获悉沈阳工业大学申请的专利基于多尺度知识蒸馏和特征信息库的带钢异常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：CN116740019B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202310698536.4，技术领域涉及：G06T7/00；该发明授权基于多尺度知识蒸馏和特征信息库的带钢异常检测方法是由温馨;于震淏设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本基于多尺度知识蒸馏和特征信息库的带钢异常检测方法在说明书摘要公布了：本发明提出一种基于多尺度知识蒸馏和特征信息库的带钢异常检测方法，步骤为：建立MKD‑IR模型，该模型包括多尺度知识蒸馏模块和块域特征最优存储模块；MKD‑IR模型预训练，并输出来源于浅层网络的中级特征；中级特征输入块域特征最优存储模块的特征存储库，通过NP‑Hard中的迭代贪婪近似求解核心子集；MKD‑IR模型优化，得到训练后的模型；将待检测的带钢表面图像输入到步骤四中训练后的MKD‑IR模型，计算数据集内的带钢表面图像与到每个最近邻居核心子集之间的最大距离，计算异常分数，从而实现有无缺陷的区分和缺陷定位的任务。本发明能够精确地识别未知异常数据，解决未知异常检测问题，有效地筛选出缺陷样本。

本发明授权基于多尺度知识蒸馏和特征信息库的带钢异常检测方法在权利要求书中公布了：1.一种基于多尺度知识蒸馏和特征信息库的带钢异常检测方法，其特征在于，步骤为： 步骤一、建立MKD-IR模型，MKD-IR模型包括多尺度知识蒸馏模块和块域特征最优存储模块；多尺度蒸馏模块用于精确地识别未知异常数据，在ImageNet预训练的源网络所学到的特征和模式蒸馏成一个更简单的学生网络；块域特征最优存储模块将训练正常数据的特征图信息分若干个区域，并将它们分块存储，解决未知异常检测问题并筛选出缺陷样本；MKD-IR模型通过在输入层的最后将不同中间层的损失函数和进行整合得到,当不在下降趋于收敛时，停止训练； 其中，损失函数和为： ； 式中，是在最小化每个层激活输出值的之间的欧几里得距离；是不同中间层的损失进行整合；蒸馏学习网络的第个中间层定义为和，i=0时，和表示原始的输入，表示的是教师模型在第层的第j个激活值，表示的是学生模型学习到教师模型在第层的第j个激活值；为层的神经元数量，表示关键层总数； 步骤二、MKD-IR模型预训练，将ImageNet源网络中的正常带钢表面图像输入到步骤一所建立的MKD-IR模型中进行预训练，正常带钢表面图像输入至多尺度知识蒸馏模块的教师模型和学生模型中，教师模型通过联合使用在不同卷积层下获得的低级特征和高级特征输入至学生模型，学生模型将所学到的特征和模式蒸馏成一个更简单的学生网络，并输出来源于浅层网络的中级特征； 步骤三：将步骤二中输出的中级特征输入块域特征最优存储模块的特征存储库，特征存储库采用了极大极小法得到核心子集，通过NP-Hard中的迭代贪婪近似求解核心子集； 步骤三中核心子集为： ； 式中，代表核心集；p为极大值，q为极小值； 步骤四：MKD-IR模型优化，将包含正常和异常数据混合的测试集输入到步骤二中已蒸馏的简单的学生网络进行训练，使用块域特征分数来解释空间差异，简单的学生网络将访问所有特征存储库存储的正常数据信息，并通过计算测试集到每个最近邻居核心子集之间的最大距离，计算异常分数，得到训练后的MKD-IR模型； 步骤五：将待检测的带钢表面图像输入到步骤四中训练后的MKD-IR模型的简单学生网络，计算带钢表面图像与到每个最近邻居核心子集之间的最大距离，计算异常分数，从而实现有无缺陷的区分和缺陷定位的任务； 步骤三中特征存储库定义为： ；，是特征所在征网络中的层次数；为基于完成蒸馏的学生模型，是一个三维张量，其深度为，高度为，宽度为； 其中，； 式中，是特征存储库；是块域特征集合；是中间级特征张量；Dtrain表示训练数据集；是训练样本；为块域特征；的含义为高度h和宽度w必须是步长n的整数倍数；N为自然数合集；。

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沈阳工业大学，其通讯地址为：110870 辽宁省沈阳市铁西区经济技术开发区沈辽西路111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”。

以上内容由龙图腾AI智能生成。