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！

龙图腾网获悉广东工业大学申请的专利一种基于图像不变性评分的工件缺陷检测方法和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：CN118115430B 。

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：202311796598.5，技术领域涉及：G06T7/00；该发明授权一种基于图像不变性评分的工件缺陷检测方法和系统是由许亮;罗晖;李国彪;刘羽丰设计研发完成，并于2023-12-25向国家知识产权局提交的专利申请。

本一种基于图像不变性评分的工件缺陷检测方法和系统在说明书摘要公布了：本发明涉及深度学习技术领域，公开了一种基于图像不变性评分的工件缺陷检测方法和系统，包括：获取数据集；对所述数据集进行第一数据增广处理，获得增广后的数据集；使用增广后的数据集训练残差流模型，获得训练好的残差流模型；根据所述数据集生成伪缺陷图像，将所述伪缺陷图像使用自监督方法训练细分割网络，获得训练好的细分割网络；对待检测的工件图像进行第二数据增广处理，获得增广后的工件图像，将增广后的工件图像输入训练好的残差流模型，获得异常评分图；将所述异常评分图输入训练好的细分割网格，获得缺陷分割结果。本发明能够降低人工成本、增强缺陷检测模型的泛化能力和缺陷定位能力。

本发明授权一种基于图像不变性评分的工件缺陷检测方法和系统在权利要求书中公布了：1.一种基于图像不变性评分的工件缺陷检测方法，其特征在于，包括： 步骤S1：获取数据集； 步骤S2：对所述数据集进行第一数据增广处理，获得增广后的数据集； 步骤S3：使用增广后的数据集训练残差流模型，获得训练好的残差流模型； 步骤S4：根据所述数据集生成伪缺陷图像，将所述伪缺陷图像使用自监督方法训练细分割网络，获得训练好的细分割网络,具体过程包括： 步骤S4.1：通过剪切数据集中图像的掩码区域获得伪标签，所述伪标签为图像的掩码区域； 步骤S4.2：从随机纹理图像数据集中采样，生成随机颜色和形状的异常区域，将所述异常区域覆盖到所述伪标签中，获得伪缺陷图像； 步骤S4.3：构建细分割网络； 步骤S4.4：将所述伪缺陷图像作为伪缺陷标签采用自监督方法训练所述细分割网络，所述伪缺陷标签作为像素回归监督信息，训练所述细分割网络识别局部不规则性； 步骤S4.5：更新所述细分割网络权重，训练损失约束依靠损失函数和损失函数，获得训练好的细分割网络，所述损失函数由下式确定： 所述损失函数由下式确定： 其中，表示同批次样本数目，m为常数且m0，表示取交集操作，i表示[1,N]范围内依次选取图像序号，表示第i张输入图像的伪标签，表示网络输出的分割结果； 步骤S5：对待检测的工件图像进行第二数据增广处理，获得增广后的工件图像，将增广后的工件图像输入训练好的残差流模型，获得异常评分图,具体过程包括： 步骤S5.1：将待检测的工件图像进行水平翻转和垂直翻转处理，获得增广后的工件图像； 步骤S5.2：将增广后的工件图像输入训练好的残差流模型，获得多个异常评分图； 步骤S6：将所述异常评分图输入训练好的细分割网格，获得缺陷分割结果,具体过程包括： 步骤S6.1：计算所述异常评分图的密度估计评分，获得密度估计评分结果； 步骤S6.2：计算所述异常评分图的重构误差评分，获得重构误差评分结果； 步骤S6.3：根据所述密度估计评分结果和所述重构误差评分结果计算所述异常评分图的最终不变性异常评分，所述最终不变性异常评分由下式确定： 其中，α是范围在[0.8,1]常系数，是密度估计评分，表示密度不变性评分，表示重构不变性评分； 步骤S6.4：将所述待检测的工件图像输入预训练模型，获得所述工件图像的图像特征； 步骤S6.5：将所述异常评分图和所述图像特征进行拼接融合，获得融合后特征，将所述融合后特征进行上采样，获得预测图； 步骤S6.6：将所述异常评分图和所述预测图线性相乘，获得预测值，使用所述预测值微调所述异常评分图，获得分割结果。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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。