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！

龙图腾网获悉沈阳化工大学申请的专利一种基于自编码器重构产品表面缺陷检测模型构建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：CN116778269B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310619196.1，技术领域涉及：G06V10/774；该发明授权一种基于自编码器重构产品表面缺陷检测模型构建方法是由赵立杰;柴源;黄明忠;王国刚设计研发完成，并于2023-05-30向国家知识产权局提交的专利申请。

本一种基于自编码器重构产品表面缺陷检测模型构建方法在说明书摘要公布了：本发明提供了一种基于自编码器重构产品表面缺陷检测方法，涉及一种工业产品表面缺陷检测方法，该方法包括以下步骤：收集整理各类工业产品数据集；设计一个能够模拟生成缺陷样本的异常生成模块；利用基于自编码器的重构子网络和基于类U‑net的分割子网络，构建表面缺陷检测模型；模拟产生的缺陷样本用于训练缺陷检测模型，模型的损失函数采用混合损失函数；将待测样本输入缺陷检测模型，重构缺陷图像，并将其与原始样本进行比较，得到异常定位分割图；本发明为工业产品表面缺陷的检测提供了一种准确的方法，对于推动工业外观质检的智能化发展具有重要的实用价值。

本发明授权一种基于自编码器重构产品表面缺陷检测模型构建方法在权利要求书中公布了：1.一种基于自编码器重构产品表面缺陷检测模型构建方法，其特征在于，所述方法包括以下步骤： S1，收集整理各类工业产品数据集； S2，设计一个能够模拟生成缺陷样本的异常生成模块； S3，利用基于自编码器的重构子网络和基于类U-net的分割子网络，构建表面缺陷检测模型； S4，模拟产生的缺陷样本用于训练缺陷检测模型，模型的损失函数采用混合损失函数； S5，将待测样本输入缺陷检测模型，重构缺陷图像，并将其与原始样本进行比较，得到异常定位分割结果； 所述步骤S2包括如下步骤： S21，噪声图像P由柏林噪声生成器生成，以捕获各种异常形状，通过随机均匀采样的阈值T，T=0.5进行二值化，形成异常掩模图Pm； S22，使用大津法按照类间方差最大化来区分工业产品的前景与背景，从而对输入图像I进行二值化分割获得掩膜Im，接下来使用两个掩膜Pm和Im行逐元素乘积得到掩模图M； ； S23，异常纹理源图像D从与输入图像I分布无关的异常源数据集采样，同时为保持异常生成的多样性，将异常源图像D从集合{色调分离、清晰度、曝光化、均衡化、亮度变化、颜色变化、自动对比度}中抽取三种进行随机增强采样；增强后的纹理图像D和输入图像I被掩膜M掩盖，并与被掩盖的输入图像I混合得到最终的模拟异常生成图像IA； ； 其中是混合时的不透明度参数，服从[0.1,1.0]随机均匀分布，是逐元乘法运算，是Pm的颠倒取反； 所述步骤S3包括如下步骤： S31，构建基于自编码器的重构子网络，在编码阶段加入高效通道注意力模块，用于捕获跨通道交互的信息，提升网络的特征提取能力； S32，构建基于类U-net结构的分割子网络； S33，连接两个子网络得到表面缺陷检测模型； 混合损失函数公式如下： ； 其中I为输入图像，Ir为输入图像为重构图像，M为输出分割图像，Ma为真值标签图像；LI，Ir，Ma，M为总损失函数，Lrec为重构阶段损失函数，Lseg为分割阶段损失函数； ； 其中LSSIM为用于衡量两个图像之间相似性的SSIM损失，L2为平均平方误差，为两种损失的平衡超参数，设定为1； ； 其中H和W分别为原图像I的高度和宽度，Np为原图像像素的个数，Ir是网络输出的重构图像，SSIMI，Iri，j为I和Ir以图像坐标i，j为中心的SSIM值； ； 其中pt反映了分类的难易程度，通过调制因子增加难分样本的权重，设定为2，另外能够调节正负样本损失之间的比例，抑制正负样本的数量失衡； 所述方法中包括基于自编码器重构产品表面缺陷检测装置，其装置的模块构成包括： 采集模块，为收集整理各类工业产品数据集，包括无缺陷的正常样本和有缺陷的异常样本； 增强模块，为正常样本前景加噪处理，加噪时随机使用三种数据增强方法； 训练模块，为表面缺陷检测模型的训练，数据增强后图像输入到重构子网络和分割子网络中进行模型训练； 检测模块，为缺陷的识别与定位，将待测样本输入到表面缺陷检测模型进行模型测试。

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沈阳化工大学，其通讯地址为：110142 辽宁省沈阳市沈阳经济技术开发区11号街；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。