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！

龙图腾网获悉河北工业大学申请的专利基于双对齐与不确定性过滤的实时域自适应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：CN121120647B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511660451.2，技术领域涉及：G06T7/00；该发明授权基于双对齐与不确定性过滤的实时域自适应缺陷检测方法是由陈海永;王朝阳;韩旭;刘卫朋;刘晶;刘冉设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于双对齐与不确定性过滤的实时域自适应缺陷检测方法在说明书摘要公布了：本发明公开一种基于双对齐与不确定性过滤的实时域自适应缺陷检测方法。首先，构建缺陷检测数据集，包括源域数据和目标域数据；然后，构建缺陷检测模型，包括主干网络、编码器、解码器和检测头；最后，利用源域数据对缺陷检测模型进行预训练，得到教师模型，同时将教师模型主干网络提取的多尺度源域特征按尺度分组存储至特征数据库中；利用教师模型参数对缺陷检测模型进行初始化，得到学生模型；利用伪边界框和特征分布双对齐策略对教师模型和学生模型进行协同优化，实现实时域自适应检测。通过双对齐策略有效缓解了域偏移导致的性能退化，同时通过伪边界框的不确定性感知与过滤，避免错误标签积累，提高了域适应时的稳定性。

本发明授权基于双对齐与不确定性过滤的实时域自适应缺陷检测方法在权利要求书中公布了：1.一种基于双对齐与不确定性过滤的实时域自适应缺陷检测方法，其特征在于，包括以下步骤： 第一步：构建缺陷检测数据集，包括源域数据和目标域数据； 第二步：构建缺陷检测模型，包括主干网络、Transformer编码器、Transformer解码器和检测头；主干网络通过多个稀疏扩张视觉认知适配模块提取多尺度特征，上一个稀疏扩张视觉认知适配模块的输出特征经过下采样后，作为下一个稀疏扩张视觉认知适配模块的输入特征；稀疏扩张视觉认知适配模块以移位窗口Transformer模块为基础，在移位窗口Transformer模块的两次残差连接之后分别嵌入一个稀疏扩张模块； 第三步：利用源域数据对缺陷检测模型进行预训练，得到教师模型，同时将教师模型主干网络提取的多尺度源域特征按尺度分组存储至特征数据库中；利用教师模型参数对缺陷检测模型进行初始化，得到学生模型； 对于当前批次的当前时间步，利用教师模型对目标域图像进行缺陷检测，生成伪边界框；计算伪边界框的分类熵和位置熵，并进行归一化；若归一化的分类熵小于分类熵阈值，归一化的位置熵小于位置熵阈值，且伪边界框置信度大于置信度阈值，则保留伪边界框，否则剔除伪边界框，将保留的伪边界框作为伪标签监督学生模型的训练，实现教师模型生成的伪边界框与学生模型生成的边界框的对齐；将所有边界框的分类损失和回归损失求和，得到边界框对齐损失； 对于教师模型主干网络提取的多尺度目标域特征，分别从特征数据库中对应尺度的源域特征组中检索最相似的多个源域特征，通过KL散度最小化实现目标域与源域特征分布的对齐；将每种尺度的目标域特征与源域特征的KL散度进行加权求和，得到特征对齐损失； 将边界框对齐损失与特征对齐损失求和，得到总损失；根据当前时间步的总损失反向传播更新学生模型参数，利用更新后的学生模型对下一个时间步的目标域图像进行检测，以此循环，按时间步更新学生模型参数，直至完成当前批次目标域图像的检测； 完成当前批次的检测后，利用学生模型参数更新教师模型，重复上述过程进行下一个批次的检测；以此循环，按批次更新教师模型参数，直至完成所有批次的检测。

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河北工业大学，其通讯地址为：300401 天津市北辰区西平道5340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。