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！

龙图腾网获悉广州大学申请的专利基于多维特征融合的特征信息重构工业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：CN119130992B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202411276764.3，技术领域涉及：G06T7/00；该发明授权基于多维特征融合的特征信息重构工业缺陷检测方法是由彭绍湖;钟天葵;彭凌西;黄伟彬;黄靖波设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本基于多维特征融合的特征信息重构工业缺陷检测方法在说明书摘要公布了：本发明公开了基于多维特征融合的特征信息重构工业缺陷检测方法，涉及缺陷检测技术领域。本发明与之前的缺陷检测方法相比，解决了传统缺陷检测方法对环境变化敏感、泛化能力差；无法满足实时性的要求；重建的性能效果不佳；系统的泛化性能不高的问题；引入裁剪型自编码器AE完成缺陷样品的正常特征信息重建，减少网络的参数量和计算量。且使用嵌入模块替代剪辑部分，维持系统性能，增加正常图像的特征信息，完成重建模块的重建功能。并且引入MFF模块对AE重建模块中的encoder模块特征信息进行重利用；还在MFF模块额外引入了信息矫正机制，防止由于异常信息的泄露导致重建性能下降的问题，利用教师网络的正常特征信息指导多维度特征信息的正确使用。

本发明授权基于多维特征融合的特征信息重构工业缺陷检测方法在权利要求书中公布了：1.基于多维特征融合的特征信息重构工业缺陷检测方法，其特征在于，包括如下步骤： S1：搭建裁剪型自编码器AE； S2：引入教师网络指导裁剪型自编码器AE完成正常特征信息的重建目标；所述S2的教师网络使用经过在ImageNet数据集预训练后的ResNet18模型，使用前三个block层的特征信息张量进行信息指导；利用余弦相似度作为KD损失；经过自编码器AE获得decoder的特征信息张量，将正常图像经过预训练的教师网络获得正常的特征信息张量，以通道为轴计算和的矢量向余弦相似度损失，将所述相似度损失作为正常特征信息和异常特征信息的差异，通过降低所述相似度损失使自编码器AE具备异常图像的正常特征信息重建能力，相似度损失计算如下： 其中，为矢量向余弦相似度损失；为异常图像； S3：搭建嵌入模块，并定义一组内存，利用输入特征，对内存组进行相似度寻址，并以此得到重构特征； S4：搭建MFF模块完成encoder多尺度特征对decoder特性重建的指导；具体包括如下内容： 所述S4中的MFF模块输入为自编码器AE不同block的特征输出，将进行池化处理，处理后完成特征维度的对齐，将拼接池化后的作为一个特征信息块；特征信息块内含有多个尺度的语义信息，通过1×1将blockfeature进行通道方向上的信息融合；对特征信息块进行通道调整，依次调整为，对应的通道和特征尺寸，得到； 所述MFF模块还引入差异信息抑制功能；基于余弦公式衡量多尺度特征信息以及教师网络的特征信息张量之间的差异： 利用激化函数产生阈值，并且利用阈值抑制异常信息的传递： 获得抑制异常信息的多尺度融合信息将直接作用于自编码器AE的decoder对应特征层中； S5：搭建轻量级分割网络完成工业样品缺陷的分割定位。

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广州大学，其通讯地址为：510006 广东省广州市大学城外环西路230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”。