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！

龙图腾网获悉中国计量大学;杭州海康威视数字技术股份有限公司申请的专利一种工业图像异常检测与分割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：CN120912993B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511430204.3，技术领域涉及：G06V10/764；该发明授权一种工业图像异常检测与分割方法是由卜玉真;陆展鸿;于亮;任烨;张世峰;章东平;马道滨;余家斌设计研发完成，并于2025-10-09向国家知识产权局提交的专利申请。

本一种工业图像异常检测与分割方法在说明书摘要公布了：一种基于强化学习与跨模态对齐的工业图像异常检测与分割方法，其具体步骤如下：S1，建立基于强化学习微调的多模态大模型；S2，将要查询的图像和提示文本输入到训练后的基于强化学习微调的多模态大模型内，输出推理文本和是否存在异常的答案，若答案是存在异常的则进入步骤S3；S3，将要查询的图像和步骤S2中得到的推理文本输入到跨模态图文对齐模块，生成分层的图像‑文本特征；S4，将要查询的图像输入给图像分割模块，同时将步骤S3中得到的图像‑文本特征通过全连接层映射为动态提示token，输入给分割解码器，生成像素级异常分割结果。本发明提升了异常检测的准确性和分割结果的精细化程度。

本发明授权一种工业图像异常检测与分割方法在权利要求书中公布了：1.一种工业图像异常检测与分割方法，其具体步骤如下： 步骤S1，建立基于强化学习微调的多模态大模型； 其中基于强化学习微调的多模态大模型的训练步骤如下： 步骤S1.1，获取工业图像数据集，自动生成相应的提示文本形成图像‑文本训练集； 步骤S1.2，加载预训练多模态大模型Qwen2‑VL 7B； 步骤S1.3，将步骤S1.1中的图像‑文本训练集作为训练输入到多模态大模型中，并采用GRPO算法对多模态大模型进行强化学习式微调；其中进行强化学习式微调的具体步骤包括： 步骤S1.3.1，奖励机制：采用格式奖励强制模型生成结构化输出，采用焦点奖励引导模型关注难分类样本，鼓励模型优先学习异常模式； 格式奖励的表达如下： ； 焦点奖励的计算方式如下： ； 其中， 表示模型对正确类别的预测概率；表示调节因子，控制整体奖励强度；γ表示聚焦参数，提升对低置信度样本的关注度；表示关键异常区域的重要性权重，即异常区域占比； 步骤S1.3.2，优势函数归一化：对每一组样本的奖励进行标准化，计算每个样本的优势值： ； 其中，表示当前样本的总奖励，、分别表示当前组样本奖励的均值与标准差， 表示防止除零的小常数； 步骤S1.3.3，策略更新：基于优势函数使用策略梯度方法对模型进行优化，并引入 KL 散度项作为正则化以保持策略稳定，更新公式如下： ； 其中，表示当前策略，表示上一步的策略，表示策略之间的KL散度，表示学习率，表示KL项的调节系数； 步骤S1.4，将测试用的图像‑文本输入到微调完成的多模态大模型中，输出推理文本和是否异常的答案，并对多模态大模型进行性能评估； 步骤S2，将要查询的图像和提示文本输入到训练后的基于强化学习微调的多模态大模型内，输出推理文本和是否存在异常的答案，若答案是存在异常的则进入步骤S3； 步骤S3，将要查询的图像和步骤S2中得到的推理文本输入到跨模态图文对齐模块，生成分层的图像‑文本特征； 步骤S4，将要查询的图像输入给图像分割模块，同时将步骤S3中得到的图像‑文本特征通过全连接层映射为动态提示token，输入给分割解码器，生成像素级异常分割结果。

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中国计量大学;杭州海康威视数字技术股份有限公司，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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。