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！

龙图腾网获悉浙江大学申请的专利一种基于多尺度融合与自适应学习的车缝线瑕疵分类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：CN121170463B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511726005.7，技术领域涉及：G06V10/764；该发明授权一种基于多尺度融合与自适应学习的车缝线瑕疵分类方法是由张亶;宋文宇;许瑞杰;张天洁设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本一种基于多尺度融合与自适应学习的车缝线瑕疵分类方法在说明书摘要公布了：本发明提出一种基于多尺度融合与自适应学习的车缝线瑕疵分类方法，解决工业质检中数据极度不均衡和专家标注效率低的技术难题，同时可扩展应用于纺织、包装、电子等多个制造业领域的表面缺陷检测任务。本发明创新性地融合多尺度深度特征提取、动态损失预测、自适应谱聚类和智能预分类四大核心模块，通过多尺度特征金字塔网络提取多层次语义特征；设计动态权重的损失预测网络，准确评估样本信息量；构建自适应谱聚类算法，自适应调整聚类参数；结合多特征融合的预分类算法辅助专家高效标注。该方法在少样本场景下可显著提升瑕疵分类精度。

本发明授权一种基于多尺度融合与自适应学习的车缝线瑕疵分类方法在权利要求书中公布了：1.一种基于多尺度融合与自适应学习的车缝线瑕疵分类方法，其特征在于，包括以下步骤： 1采集待分类的车缝线图像样本，建立数据更新机制，动态纳入新采集样本数据并智能清除失效数据； 2通过多尺度特征金字塔网络提取车缝线图像的多层次特征向量，利用自适应谱聚类算法根据特征分布动态调整聚类参数并进行样本分组，采用动态权重损失预测网络计算各组样本的综合信息量评分，实施分层抽样策略从每组按信息量排序抽取样本；对抽取样本进行多特征融合预分类后提交专家智能标注； 2.1构建基于特征金字塔网络的多尺度特征提取网络，融合不同分辨率层的特征表示，从未标注样本中提取包含细节特征与语义特征的多层次特征向量； 2.2设计自适应谱聚类算法，根据所述多层次特征向量的分布特性动态调整相似度度量函数的带宽参数与聚类数目，构建自适应相似度矩阵对未标注样本进行分组； 2.3设计动态权重损失预测网络，根据不同特征层的重要性动态调整权重，融合多尺度特征输出样本的综合信息量评分，并依据该评分对组内样本进行排序； 2.4设计基于信息熵与聚类平衡的分层抽样策略，根据各聚类簇的信息熵与簇大小计算自适应抽样权重；基于自适应抽样权重选取最具代表性的样本； 2.5对抽取的样本采用多特征融合预分类算法；提取Canny边缘特征、局部二值模式纹理特征、Hu矩几何特征、颜色直方图特征，采用预训练卷积神经网络提取高层语义特征；使用注意力机制对这些特征进行融合，融合权重由多层感知器学习获得；基于集成分类器预测概率的一致性和信息熵来计算置信度评分；选取带有置信度评分的预标注结果提交至专家标注界面； 3构建包含分类损失、损失预测损失和特征一致性损失的三元联合优化目标函数，并结合专家标注数据持续优化分类模型，当标注数据量达到动态阈值时，触发预分类算法的自适应超参数优化和模型结构调整；将待分类的车缝线图像输入至优化后的分类模型中，得到车缝线瑕疵分类结果。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。