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！

龙图腾网获悉清华大学申请的专利一种可持续学习的多种工业缺陷分类方法及装置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：CN115393648B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211088253.X，技术领域涉及：G06V10/764；该发明授权一种可持续学习的多种工业缺陷分类方法及装置是由刘华平;张静宇;续欣莹设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本一种可持续学习的多种工业缺陷分类方法及装置在说明书摘要公布了：本发明提出一种可持续学习的多种工业缺陷分类方法及装置，属于缺陷分类技术领域和持续学习技术领域。其中，所述方法包括：任意采集一张待分类产品图像，对所述图像标注对应的分类任务序号；将所述图像和所述分类任务序号输入预设的多任务缺陷分类网络，所述多任务缺陷分类网络输出在所述分类任务下所述图像是否属于缺陷图像的分类结果。本发明能够实现工业场景中多类缺陷的持续有效分类，适用于复杂的缺陷分类任务，显著提升缺陷分类的效率。

本发明授权一种可持续学习的多种工业缺陷分类方法及装置在权利要求书中公布了：1.一种可持续学习的多种工业缺陷分类方法，其特征在于，包括： 任意采集一张待分类产品图像，对所述图像标注对应的分类任务序号； 将所述图像和所述分类任务序号输入预设的多任务缺陷分类网络，所述多任务缺陷分类网络输出在所述分类任务下所述图像是否属于缺陷图像的分类结果； 其中，所述多任务缺陷分类网络在训练时的经验损失函数为： 式中，将K个排序后的任务数据集记为顺序到达的监督学习任务{Tk|k∈{1,2,3,…K}}，Tk表示排序后的第k个任务数据集，K为任务数据集的总数；记任务数据集Tk中的图像数量为nk，xk,i表示排序后的第k个任务数据集中的第i张图像，yk,i表示图像xk,i对应的类别标签，即属于缺陷图像或正常图像；Lkθ为排序后的第k个任务数据集训练时的经验损失函数，θ为多任务缺陷分类网络的参数，θ＝{θ1,θ2,θ3,……θL}，其中，θi为多任务缺陷分类网络第i层的参数，i＝1,2,…,L，L为多任务缺陷分类网络的总层数，图像xk,i的损失函数表示为lfθ；k,xk,i,yk,i； 所述多任务缺陷分类网络在训练时，通过修改梯度对所述多任务缺陷分类网络的参数进行更新，方法如下： 在排序后的第k个任务数据集进行训练时，所述多任务缺陷分类网络第l层的原始梯度gl计算表达如下： 利用正定对称矩阵P对原始梯度gl进行修改，其中第l层的正定对称矩阵P记为Pl，表达式如下： 其中，Hj,l是第j个任务数据集训练时第l层的海森矩阵； 则修改后的第l层的梯度为： 根据下式更新第l层的参数θl： 其中，η是网络训练时的学习率； Pl的初始值设为单位矩阵Il；在每一个任务数据集训练结束后，Pl按照下式进行更新： 其中，是矩阵求逆引理的中间变量：

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清华大学，其通讯地址为：100084 北京市海淀区清华园1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。