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半监督对比学习的钢材表面异常缺陷检测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：CN115880267B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211687353.4，技术领域涉及：G06T7/00；该发明授权一种基于半监督对比学习的钢材表面异常缺陷检测方法是由胡浩基;张训飞设计研发完成，并于2022-12-27向国家知识产权局提交的专利申请。

本一种基于半监督对比学习的钢材表面异常缺陷检测方法在说明书摘要公布了：本发明公开了一种基于半监督对比学习的钢材表面异常缺陷检测方法，该方法使用一种基于“异常重建+对比判别”的半监督对比学习的缺陷检测网络架构，通过对正常样本的异常模拟，得到伪异常样本，然后利用异常重建网络实现对伪异常样本的重建恢复。对于异常样本与其重建后得到的恢复样本，通过后续的对比判别网络，对两个图像的信息形成对比学习优化分割效果。其次，使用掩膜空洞卷积模块，结合基于Transformer模块，更好地优化了异常重建网络的性能。同时在对比判别网络的基础上加入自注意力机制，提高网络在空间和通道上的对比学习能力。最终实现一个高效的钢材表面异常缺陷检测的半监督对比学习方法。

本发明授权一种基于半监督对比学习的钢材表面异常缺陷检测方法在权利要求书中公布了：1.一种基于半监督对比学习的钢材表面异常缺陷检测方法，其特征在于，包括如下步骤： 1获取真实工业场景下的钢材表面数据，选取不同视角拍摄的机床区域范围图片，将有表面缺陷的数据作为异常样本，将无表面缺陷的数据作为正常样本，所述表面缺陷包括边裂和折印两种； 2对于异常的模拟，不仅需要用Pt二值化图像来实现模拟缺陷的位置随机化，同时也需要对缺陷的纹理信息进行随机化，随机地选取不同的纹理作为缺陷的纹理；对于正常样本通过模拟异常，生成模拟工业真实场景的异常柏林噪声，与等比例缩放的正常样本进行结合，得到模拟异常样本图像Ic： 其中，Ir表示对于正常样本图像I的等比例缩放的压缩图像，对于原图先进行方形图像叠加，然后再整体进行分辨率的压缩，A是随机模拟异常的纹理图案，Pt是随机柏林噪声图像P的二值化图像，β表示比例系数，是正常样本图像和模拟异常缺陷之间的融合比例，⊙表示图像矩阵之间的逐像素的点乘操作，表示异常二值化图像Pt的反向取值图像；压缩图像Ir与异常二值化图像Pt相覆盖，得到包含原图像信息的模拟异常部分，同时压缩图像Ir与异常二值化图像Pt的反向取值图像相覆盖，得到无模拟异常的图像区域部分； 3基于编码器-解码器的结构构建异常重建网络，用于学习异常样本复原重建为正常样本的异常重建网络，以步骤2的模拟异常样本作为网络输入，得到重建恢复样本，与正常样本计算损失，对异常重建网络进行训练；在异常重建网络的编码器中嵌入掩膜空洞卷积模块，扩大异常重建网络的感受野，并采用Transformer替代掩膜空洞卷积模块的全连接整合操作，实现特征聚合； 4构建基于语义分割的对比判别网络；将步骤1的异常样本输入到训练好的异常重建网络得到重建恢复样本，与输入异常样本进行通道合并，作为对比判别网络的输入，对比学习得到重建恢复样本与输入异常样本的差异，对于对比判别网络使用自注意力机制模块来获取对比判别网络输入的通道和空间上的自注意力，对于对比判别网络的输入特征图采用先通道后空间的注意力提取方式，并且在每次提取注意力后，与原特征图进行相乘回馈，优化并输出钢材表面缺陷检测结果。

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。