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！

龙图腾网获悉浙江工业大学申请的专利一种基于对抗机制的半监督式零件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：CN115830397B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202211676922.5，技术领域涉及：G06V10/764；该发明授权一种基于对抗机制的半监督式零件缺陷检测方法是由胡海根;董林伟;宋泉鉴;许慧;周乾伟;管秋设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本一种基于对抗机制的半监督式零件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对抗机制的半监督式零件缺陷检测方法，包括：S1、建立对比分类网络，对比分类网络包括初始化参数为θ的分类器Cθ和初始化参数为的判别器S2、利用带标签零件图片数据集Sl训练分类器Cθ；S3、利用带标签零件图片数据集Sl和无标签零件图片数据集Su训练判别器S4、利用训练好的分类器Cθ对待测试零件图片进行预测，获得待测试零件的最终检测结果。该方法以半监督学习的方式，利用对抗机制训练出具有高精度与高鲁棒性的分类器，摒弃了传统深度学习分类任务中预测单张图片的类别标签的概念，致力于判断两张图片是否相似，以此来间接预测类别标签，在小批量带标签数据集上有良好的表现力与鲁棒性。

本发明授权一种基于对抗机制的半监督式零件缺陷检测方法在权利要求书中公布了：1.一种基于对抗机制的半监督式零件缺陷检测方法，其特征在于：所述基于对抗机制的半监督式零件缺陷检测方法包括如下步骤： S1、建立对比分类网络，所述对比分类网络包括初始化参数为θ的分类器Cθ和初始化参数为的判别器 S2、利用带标签零件图片数据集Sl训练分类器Cθ； S3、利用带标签零件图片数据集Sl和无标签零件图片数据集Su训练判别器具体如下： S31、从带标签零件图片数据集Sl中随机采样一个三元组并获得对应的匹配得分c，其中，若与相符，则匹配得分c为1，若与不符，则匹配得分c为0，为图片对的真实相似度，表示图片和图片不相似，表示图片和图片相似，为分类器Cθ输出的图片对的预测相似度，表示图片和图片不相似，表示图片和图片相似； S32、从无标签零件图片数据集Su中随机采样一个图片对并将图片对输入分类器Cθ进行正向传播，获得对应的预测相似度再将三元组输入判别器进行正向传播，获得预测匹配得分 S33、根据价值函数计算第一损失函数LD和第二损失函数LC，形成对抗过程，包括： 1建立价值函数： 式中，E表示期望，表示三元组服从第一概率分布pl，表示图片对服从第二概率分布pu，表示判别器的预测匹配得分； 2将价值函数转换为第一损失函数LD和第二损失函数LC，公式如下： 当训练次数达到预设次数时： 当训练次数未达到预设次数时： 式中，λ为平衡超参数，表示第k批次判别器的预测匹配得分； S34、将第一损失函数LD和第二损失函数LC进行反向传播，并采用Adam优化器进行参数优化； S35、判断第一损失函数LD和第二损失函数Lc是否收敛，若是，执行步骤S4，否则，返回执行步骤S31； S4、利用训练好的分类器Cθ对待测试零件图片进行预测，获得待测试零件的最终检测结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区朝晖六区；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。