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！

龙图腾网恭喜宁波数益工联科技有限公司;浙江大学申请的专利一种基于聚类和重构迁移的压铸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：CN119941727B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510423131.9，技术领域涉及：G06T7/00；该发明授权一种基于聚类和重构迁移的压铸缺陷检测方法是由何盛华;皮松岩;张新民;何柏村;叶晴艺设计研发完成，并于2025-04-07向国家知识产权局提交的专利申请。

本一种基于聚类和重构迁移的压铸缺陷检测方法在说明书摘要公布了：本发明公开一种基于聚类和重构迁移的压铸缺陷检测方法，包括：对历史工业过程生产数据做预处理；构建包含特征提取器、重构器和分类器的缺陷检测模型；在训练时，对特征提取器的每个全连接层的输出数据的均值和标准差做聚类，将数据分成不同的域；对特征提取器和分类器最小化损失一，同时对重构器最小化损失二，从而得到训练后的缺陷检测模型；损失一为重构损失、重构样本中属于不同域的样本的距离损失以及分类损失的加权和；损失二为重构样本与输入数据的重构损失和距离损失的加权差值。本发明能够在单源域压铸缺陷数据上训练一个可迁移的分类器，适用于缺陷数据不足或种类单一的情形，能够更好地适应不同域的数据分布。

本发明授权一种基于聚类和重构迁移的压铸缺陷检测方法在权利要求书中公布了：1.一种基于聚类和重构迁移的压铸缺陷检测方法，其特征在于，包括以下步骤： S1：提取一段时间内的压铸生产历史工业过程数据，对这些数据进行数据预处理，在保证数据数量的同时避免异常数据对正常数据的干扰，从而得到训练数据； S2：构建包含特征提取器、重构器和分类器的缺陷检测模型；其中，特征提取器包括多个全连接层，用于提取高维特征；重构器和分类器均包括多个全连接层，重构器用于输出输入特征提取器的原始样本的重构样本；分类器用于对特征提取器输出的高维特征进行分类； S3：利用S1得到的训练数据训练所述缺陷检测模型；其中，对所述特征提取器的每个全连接层的输出数据的均值和标准差做聚类，然后根据输出数据所属的聚类将输出数据分成不同的域，并赋予域标签；在训练过程中，对所述特征提取器和分类器最小化损失，同时对重构器最小化损失，从而得到训练后的缺陷检测模型；所述损失为重构样本与输入数据的重构损失、重构样本中属于不同域的样本的距离损失以及分类损失这三个损失的加权和；损失为重构样本与输入数据的重构损失、重构样本中属于不同域的样本的距离损失这两个损失的加权差值； 对特征提取器和分类器训练的损失、对重构器训练的损失的计算公式如下： ； ； ； ； ； ； ； 其中，为重构损失的权重系数，为距离损失的权重系数；N为训练的一个批次中的数据量，为第n个训练数据，为第n个训练数据的标签；K为将N个统计量向量进行聚类得到的域的数量；表示属于域标签为b的域和域标签为a的域的样本之间的距离；表示由重构器生成的重构样本中，域标签为a的重构样本的集合；表示由重构器生成的重构样本中，域标签为b的重构样本的集合；A为中的样本总数，B为中的样本总数；表示中的第p个样本，表示中的第q个样本；为第n个训练样本经过分类器的输出值，为输出值的条件分数； S4：获取实时的压铸生产工业过程数据，采用S1的方法进行预处理后，输入训练好的缺陷检测模型中，输入数据经过特征提取器得到高维特征，再将高维特征输入分类器，得到缺陷检测结果。

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宁波数益工联科技有限公司;浙江大学，其通讯地址为：315048 浙江省宁波市高新区新材料创新中心东区2幢20号11-10；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”。