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！

龙图腾网获悉平方和(北京)科技有限公司申请的专利一种基于半监督异常检测的隐形眼镜印刷图案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：CN120747104B 。

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：202511260120.X，技术领域涉及：G06T7/00；该发明授权一种基于半监督异常检测的隐形眼镜印刷图案缺陷检测方法及系统是由蔡仲伦;刘学谨;苏瑞;王硕;缪东言;杨海生设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本一种基于半监督异常检测的隐形眼镜印刷图案缺陷检测方法及系统在说明书摘要公布了：本发明涉及机器视觉技术领域，具体是一种基于半监督异常检测的隐形眼镜印刷图案缺陷检测方法及系统，本申请基于半监督技术的深度学习方法进行彩模移印图案的异常检测，针对每个新图案，仅需要录入数十帧合格品图像进行训练，即可上线检测，可以弥补当前方法在适配多种图案和检测微弱瑕疵时的局限性。半监督的深度学习方法能够突破传统深度学习对大规模标注数据的依赖，利用半监督学习策略挖掘未标注数据中的潜在信息，提升模型对复杂、稀疏缺陷的识别能力，同时，针对彩模移印图案的特点，设计针对性的深度学习网络结构与损失函数，确保模型对特定缺陷类型的敏感度与泛化能力。

本发明授权一种基于半监督异常检测的隐形眼镜印刷图案缺陷检测方法及系统在权利要求书中公布了：1.一种基于半监督异常检测的隐形眼镜印刷图案缺陷检测方法，其特征在于，包括： 获取产线中的多个正常样本图像以及待检测图像； 对所述多个正常样本图像进行预处理以及异常模拟，得到模拟异常图像；对所述多个正常样本图像进行预处理以及异常模拟，得到模拟异常图像，包括：定位所述正常样本图像中彩模印刷图案的中心和边缘，并基于所述彩模印刷图案的中心和边缘拟合圆形，得到彩模印刷图案的直径；以所述彩模印刷图案的直径为基准向外扩充多个像素得到感兴趣区域；对所述感兴趣区域进行缩放和归一化处理，得到预处理图像；对所述预处理图像进行严重缺陷模拟，得到严重缺陷模拟图像；对所述预处理图像进行微弱缺陷模拟，得到微弱缺陷模拟图像；以及将所述严重缺陷模拟图像和所述微弱缺陷模拟图像进行结合，得到模拟异常图像； 基于多个模拟异常图像和多个正常样本图像构建训练样本集，并从训练样本集中选择输入图像，基于预设的编码器提取所述输入图像的多尺度特征，并基于特征金字塔对所述输入图像的多尺度特征进行融合和注意力增强，得到增强融合特征，并基于所述增强融合特征与预先构建的动态记忆库生成重构特征，以及计算所述增强融合特征与所述重构特征之间的重构误差，其中，所述重构特征基于所述记忆库中与所述增强融合特征相似度最高的多个记忆项构成，所述重构误差用于表示所述增强融合特征与所述重构特征之间的差异；所述动态记忆库的构建过程包括：从多个正常样本图像中提取多尺度特征的向量，得到记忆信息；引入时间衰减机制确定所述记忆信息中每个记忆项的权重，并移除权重低于权重阈值的记忆项，其中，时间戳越早的记忆项权重越低；在输入新的正常样本图像时，计算新的正常样本图像的特征向量与所述记忆信息的最大相似度，基于最大相似度计算新颖性，并基于所述新的正常样本图像的特征向量、当前的记忆信息中的记忆项数量是否已满的状态以及最大相似度对应记忆项的权重对所述记忆信息进行新增或者替换； 基于所述训练样本集、输入图像的增强融合特征以及动态记忆库计算总损失，基于所述总损失对所述编码器和所述特征金字塔进行参数调整，并返回从训练样本集中选择输入图像，直至总损失最小化，以及在总损失最小化时完成训练，其中，所述总损失包括重构损失、边缘损失和对比损失； 基于训练完成的编码器、训练完成的特征金字塔以及所述动态记忆库提取所述待检测图像的重构误差，并基于预先构建概率分布模型计算所述待检测图像的重构误差的概率异常分数，以及基于所述待检测图像的多个位置的概率异常分数进行缺陷定位检测。

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平方和(北京)科技有限公司，其通讯地址为：100094 北京市海淀区北清路81号一区1号楼11层1101室；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。