上海交通大学内蒙古研究院万婧妍获国家专利权
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！
龙图腾网获悉上海交通大学内蒙古研究院申请的专利基于显著目标检测的无监督纹理类缺陷检测方法及系统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：CN117237429B 。
龙图腾网通过国家知识产权局官网在2025-11-25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：202311220755.8，技术领域涉及：G06T7/41；该发明授权基于显著目标检测的无监督纹理类缺陷检测方法及系统是由万婧妍;赵旭设计研发完成，并于2023-09-20向国家知识产权局提交的专利申请。
本基于显著目标检测的无监督纹理类缺陷检测方法及系统在说明书摘要公布了：本发明提供了一种基于显著目标检测的无监督纹理类缺陷检测方法及系统，包括步骤S1：将纹理类数据集中的图像结合生成新的缺陷图像；步骤S2：搭建显著目标检测网络框架并提取图像特征，生成纹理数据的特征图；步骤S3：获取目标纹理类数据中正常图像的特征图及每个像素处的正常图像特征向量，形成正常图像特征字典；步骤S4：根据含缺陷的目标纹理类数据及其标签训练网络，获取显著目标检测网络的预训练模型；步骤S5：得到伪正常图像特征图并使用正常图像特征图进行监督，生成最终的缺陷检测结果图。本发明提供的方法仅需部分已知纹理类数据集的标签训练模型，就能实现对目标纹理类工业产品的无监督缺陷检测，降低了成本，提高了工作效率。
本发明授权基于显著目标检测的无监督纹理类缺陷检测方法及系统在权利要求书中公布了：1.一种基于显著目标检测的无监督纹理类缺陷检测方法，其特征在于，包括： 步骤S1：将纹理类数据集中的缺陷图像中截取缺陷部分作为前景图像，将对应类别的正常图像作为背景图像，将前景图像和背景图像结合生成新的缺陷图像； 步骤S2：根据已知纹理数据，搭建显著目标检测网络框架，得到第一阶段的预训练模型，并提取图像特征，生成纹理数据的特征图； 步骤S3：获取目标纹理类数据中正常图像的特征图；获取每个像素处的正常图像特征向量，形成正常图像特征字典； 步骤S4：根据含缺陷的目标纹理类数据及其标签训练网络，获取显著目标检测网络的第二阶段的预训练模型； 步骤S5：使用预训练模型处理目标纹理类缺陷数据样本，获取粗糙的缺陷检测结果图像，将结果图像中被判定为缺陷区域的特征替换为正常图像特征字典中的特征向量，得到伪正常图像特征图并使用正常图像特征图进行监督，生成最终的缺陷检测结果图。
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上海交通大学内蒙古研究院，其通讯地址为：010000 内蒙古自治区呼和浩特市新城区成吉思汗东街大学科技园11号楼5层；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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励