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！

龙图腾网获悉山东科技大学申请的专利基于条件扩散模型的工业零件缺陷样本精准生成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：CN121280441B 。

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：202511843781.5，技术领域涉及：G06T7/00；该发明授权基于条件扩散模型的工业零件缺陷样本精准生成方法是由孙海滨;宋星辉设计研发完成，并于2025-12-09向国家知识产权局提交的专利申请。

本基于条件扩散模型的工业零件缺陷样本精准生成方法在说明书摘要公布了：本发明公开了基于条件扩散模型的工业零件缺陷样本精准生成方法，属于图像处理和人工智能领域，该方法通过构建物理约束噪声调度、多尺度特征耦合、双域反馈优化和自适应权重调节四个深度耦合模块，形成闭环协同系统，将缺陷物理形成机理转化为动态噪声调度策略，在扩散网络多个层级建立条件信息与特征图的深度交互，通过像素域和频域双重评估实现质量闭环优化，根据缺陷稀缺度动态调整训练权重，该方法生成的缺陷样本具备真实物理特征，实现多尺度精准控制，建立质量保障闭环，有效解决数据不平衡问题，显著提升工业缺陷检测模型性能。

本发明授权基于条件扩散模型的工业零件缺陷样本精准生成方法在权利要求书中公布了：1.基于条件扩散模型的工业零件缺陷样本精准生成方法，其特征在于，包括以下步骤： 获取包含缺陷特征的参考样本和正常工业零件图像，对所述参考样本进行多层级特征提取，生成包含缺陷类型语义、形态特征和材料纹理的条件编码信息； 基于缺陷物理形成机理，构建物理约束噪声调度策略，根据缺陷类型动态调整正向扩散过程中各时刻的噪声方差系数，对所述正常工业零件图像进行自适应噪声添加，生成符合缺陷物理过程特征的噪声图序列； 在反向扩散去噪过程中，通过多尺度特征耦合机制，将所述条件编码信息与U‑Net骨干网络不同深度层的特征图进行交叉注意力融合，并基于缺陷易发区域的空间先验分布，对去噪预测结果施加位置敏感约束； 对生成的缺陷样本同时进行像素域的多尺度结构相似性评估和频域的傅里叶频谱一致性评估，计算生成样本与真实缺陷样本在纹理细节和频谱分布上的偏离度； 根据所述偏离度，通过双域反馈机制动态调整扩散模型的去噪参数和条件编码权重，形成闭环优化；同时基于各类缺陷样本的稀缺程度，自适应调整训练损失函数中不同缺陷类型的权重系数； 所述多层级特征提取包括： 对所述参考样本进行缺陷区域定位和裁剪，获得缺陷样例； 将所述缺陷样例输入多模态特征编码器，提取包含视觉语义和几何结构的联合特征向量； 对所述联合特征向量进行层次化分解，将宏观缺陷类别特征与微观形态特征分层编码； 通过可学习的交叉注意力模块，将分层编码后的特征与材料表面纹理特征进行关联映射，生成所述条件编码信息； 所述物理约束噪声调度策略的构建包括： 识别所述缺陷类型对应的物理形成过程，确定应力突变型、渐进累积型或混合型的缺陷形成模式； 针对应力突变型缺陷，在正向扩散初期采用高频噪声快速注入策略，后期采用低频噪声精细化调整；针对渐进累积型缺陷，采用时间累积式噪声叠加模式，模拟渐进性损伤过程； 根据不同时刻的噪声特性需求，建立时变噪声方差调度函数，使噪声添加速率随缺陷物理演化特征动态变化； 所述多尺度特征耦合机制包括： 在U‑Net骨干网络的编码阶段，将所述条件编码信息通过可学习的线性映射层投影到与各尺度特征图相同的维度空间； 在每个尺度层级，通过交叉注意力计算条件特征与当前层特征的相关性权重，生成尺度自适应的条件引导信号； 在解码阶段，将编码阶段生成的条件引导信号与对应尺度的上采样特征进行逐元素加权融合； 在解码路径中嵌入位置敏感卷积层，学习缺陷易发区域的空间先验分布，通过位置权重矩阵调制去噪预测结果。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。