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！

龙图腾网获悉华中科技大学申请的专利基于机器触觉的开集产品表面细微缺陷检测方法及设备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：CN121074022B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511605031.4，技术领域涉及：G06T7/00；该发明授权基于机器触觉的开集产品表面细微缺陷检测方法及设备是由高艺平;喜泽瑞;李新宇;高亮设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本基于机器触觉的开集产品表面细微缺陷检测方法及设备在说明书摘要公布了：本发明提供一种基于机器触觉的开集产品表面细微缺陷检测方法及设备，属于产品表面缺陷智能检测领域，包括：采集不同品类产品的触觉信号并构建数据集；构建开集纹理抑制模型，其包括预处理模块、层次化反转注意力模块和后处理模块；构建开集缺陷检测模型，其包括自融合数据增强模块、标签平滑模块、软标签的有监督对比学习模块和轻量级投影头模块；使用机器触觉方法收集待测产品的触觉信号，先由开集纹理抑制模型抑制背景纹理干扰，然后通过开集缺陷检测模型对滤除背景纹理后的图像进行判别，进而得到具体的检测结果。本发明实现了跨品类的开集产品表面细微缺陷检测，有效避免了表面细微缺陷检测的虚警和漏检。

本发明授权基于机器触觉的开集产品表面细微缺陷检测方法及设备在权利要求书中公布了：1.一种基于机器触觉的开集产品表面细微缺陷检测方法，其特征在于，包括： S1、使用机械臂夹持触觉传感器采集不同品类产品的具有不同背景纹理和缺陷模式的触觉信号，并构建数据集； S2、构建第一阶段的开集纹理抑制模型，该模型包含预处理模块，层次化反转注意力模块和后处理模块；其中，预处理模块用于提取层次化的初步特征；层次化反转注意力模块从深到浅逐层反转注意力，迫使模型重新学习更多纹理信息；后处理模块采用分割方法抑制背景纹理像素，并补全被抑制后的像素；开集纹理抑制模型的预处理模块采用Res2Net网络架构，使用公开的钢铁表面缺陷检测数据集对其进行预训练，训练完毕后丢弃分类层，仅保留特征提取层作为预处理模块；S2具体包括： 开集纹理抑制模型的预处理模块采用Res2Net网络架构，深度为5层；使用公开的钢铁表面缺陷检测数据集对其进行预训练，训练完毕后丢弃分类层，仅保留特征提取层作为预处理模块； 经过预训练的预处理模块提取原始图像的3,4,5层的多尺度特征图，然后输入层次化反转注意力模块； 层次化反转注意力模块包括融合，反转，修正，更新四个递归执行的阶段： 在融合阶段，输入的不同尺度的特征首先被统一到最浅层特征图的尺度，然后进行像素级融合，进而对全局像素进行强度归一化，得到初步定位图，因此初步定位图实际为： 在反转阶段，上一层的首先会被对齐到的空间维度，然后反转所有的像素强度，以生成反转注意力图： 式中是下采样操作，上标是缩放系数，是sigmoid函数，是全一矩阵； 在修正阶段，将逆向注意力权重与当前层特征进行Hadamard乘积，并通过可学习卷积核实现自适应特征增强，得到修正特征： 在更新阶段，通过残差连接融合深层定位线索和当前层的修正特征，得到更新的当前层的定位图： 使原始定位参考通过逐层增强逐步更新，并指导下一层修正，直到输出最终的预测结果； S3、构建第二阶段的开集缺陷检测模型，该模型包含自融合数据增强模块，标签平滑模块、软标签的有监督对比学习模块和轻量级投影头模块；其中，自融合数据增强用于获得具有高相似度和低归属性的边界负样本；标签平滑用于缓解传统one-hot编码在预测阶段过度自信导致的开放空间风险激增；软标签的有监督对比学习模块通过最大化类间差异性与类内紧凑性来提升缺陷模式的判别能力；轻量级投影头模块用于获取分类logit，并基于百分位数统计量构建类别专属的拒绝阈值； S4、使用机器触觉方法收集待测产品的触觉信号，先由开集纹理抑制模型抑制背景纹理干扰，然后通过开集缺陷检测模型对滤除背景纹理后的图像进行判别，进而得到具体的检测结果。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。