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！

龙图腾网获悉东南大学申请的专利一种自监督下基于图像分割的表面缺陷异常定位和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：CN116385404B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310362948.0，技术领域涉及：G06T7/00；该发明授权一种自监督下基于图像分割的表面缺陷异常定位和检测方法是由杨绿溪;魏雯;张亚中;许诺;徐琴珍;俞菲设计研发完成，并于2023-04-07向国家知识产权局提交的专利申请。

本一种自监督下基于图像分割的表面缺陷异常定位和检测方法在说明书摘要公布了：本发明涉及图像异常定位领域，解决了先验知识少、样本数量与类型少、缺乏监督信息、无法实现高质量像素级异常精定位的问题，尤其涉及一种自监督下基于图像分割的表面缺陷异常定位与检测方法，基于轻量级的图像分割子网络，在多类样本参与的情况下，使用数据增广网络提供的自监督信息，以及添加通道注意力机制的重建子网络所提供的辅助异常分割的必要信息，完成了具有表面缺陷异常样本像素级的异常精定位，并基于分割网络输出的异常特征层，通过聚合局部响应信息等处理，得到了样本对应的实例级异常评分，同时实现了实例级的异常检测任务。

本发明授权一种自监督下基于图像分割的表面缺陷异常定位和检测方法在权利要求书中公布了：1.一种自监督下基于图像分割的表面缺陷异常定位与检测方法，其特征在于：包括如下步骤： 将训练样本输入数据增广网络中实现输入样本的随机增强； 将数据增广网络输出的随机增强样本送入重建子网络，所述重建子网络中添加SE通道注意力模块； 将数据增广网络输出的随机增强样本与其进入重建子网络得到的输出样本在通道处进行级联，送入图像分割子网络，所述图像分割子网络为由mobileNetv1与UNet融合而成的mobileUNet图像分割网络； 模型开始训练，损失函数反向传播，不断更新重建子网络和图像分割子网络各层的参数，直至训练完成； 测试样本与其进入训练好的重建子网络得到的输出样本在通道处进行级联，送入训练好的图像分割子网络，获取像素级异常定位图； 由异常定位图获取该测试样本对应的实例级异常评分，根据评分判断测试样本是正常类还是异常类； 其中，图像分割子网络的构建方法包括以下步骤： 搭建mobileNetv1网络的基本结构； 搭建UNet图像分割网络的基本结构；UNet网络中左边的收缩路径采用若干层标准卷积层、BN层、ReLU激活层与最后大池化层的组合下采样处理后，实现对输入图片的特征提取，在对称的上采样恢复图像的过程中，将左侧收缩路径中下采样得到的低层次、高层次特征以跳接形式传递到右边的扩张路径中，两边相同大小的特征图进行级联后再继续上采样； 实现模型融合，搭建最终的mobileUNet图像分割网络；在原扩张路径中，使用mobileNetv1中的深度可分离卷积层代替原UNet网络中的标准卷积层；每个深度可分离卷积包含深度卷积和逐点卷积两步，深度卷积首先在每个输入通道上进行卷积，进行特征提取，之后逐点卷积则将深度卷积的输出与一个1*1的卷积核进行卷积，用来调整通道数并进行深度特征提取，其中添加BN层用来增加泛化性，添加ReLU6激活层引入更多的非线性；将深度分离卷积后得到的特征同样以跳接形式传递到右侧网络，两边相同大小的特征图进行级联后再进行与UNet扩张网络中相同的上采样，最后恢复成原输入图片的大小256*256。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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。