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！

龙图腾网获悉山东科技大学申请的专利一种基于度量元学习的表面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：CN120655571B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202510579938.1，技术领域涉及：G06T7/00；该发明授权一种基于度量元学习的表面缺陷检测方法是由卢晓;王秀玲;王海霞;张治国;盛春阳;孙巧巧;聂君;宋诗斌设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本一种基于度量元学习的表面缺陷检测方法在说明书摘要公布了：本发明公开了一种基于度量元学习的表面缺陷检测方法，属于工业视觉监测技术领域，其步骤为：获取缺陷图像和非缺陷图像，构建数据集；基于融合多维注意力机制的级联式生成对抗网络生成高分辨图像，通过多维注意力机制提升图像的局部细节和全局特征表达能力；构建缺陷检测模型，基于度量学习与元学习对表面缺陷进行弱监督检测。本发明通过度量学习和特征空间约束，对未标注样本进行置信度筛选及结构一致性约束，进而有效提升模型的表示能力和泛化性能，重点解决工业场景下缺陷样本少，标注成本高以及微小缺陷表征困难的问题，提高缺陷检测的准确性和细粒度判别性能。

本发明授权一种基于度量元学习的表面缺陷检测方法在权利要求书中公布了：1.一种基于度量元学习的表面缺陷检测方法，其特征在于，包括以下步骤： 步骤1：获取缺陷图像和非缺陷图像，构建数据集； 步骤2：基于融合多维注意力机制的级联式生成对抗网络生成高分辨图像，通过多维注意力机制提升图像的局部细节和全局特征表达能力； 步骤3：构建缺陷检测模型，基于度量学习与元学习对表面缺陷进行弱监督检测； 所述步骤3包括以下子步骤： 步骤3.1：使用已标注样本构建支持集，已标注样本包括步骤1中通过人工方式标注的真实缺陷图像和步骤2中经过生成对抗网络合成的缺陷图像；需分类或检测的样本作为查询集，需分类或检测的样本为从生产线上实时采集的图像；未标注样本作为潜在伪标注候选集，未标注样本为步骤1中采集的大量原始非缺陷图像； 步骤3.2：设计融合多维注意力机制的特征编码器，编码器由并行的卷积分支模块和自注意力分支模块构成；输入样本首先通过卷积分支模块，提取纹理信息与边缘特征；同时输入至自注意力分支模块，通过多头注意力机制捕获远程依赖于上下文信息； 步骤3.3：构建基于支持‑查询结构与类别原型的多粒度相似度计算模块； 步骤3.4：设计弱监督伪标注模块并设计损失函数； 步骤3.5：基于特征编码器、相似度计算模块、弱监督伪标注模块、softmax分类器构建缺陷检测模型，采用元学习训练策略对模型进行训练。

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科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。