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！

龙图腾网获悉常州大学申请的专利一种面向钢材表面缺陷检测的迁移学习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：CN116468681B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310349447.9，技术领域涉及：G06T7/00；该发明授权一种面向钢材表面缺陷检测的迁移学习方法是由朱正伟;颜丙涛;朱晨阳;宋欣杰;诸燕平设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种面向钢材表面缺陷检测的迁移学习方法在说明书摘要公布了：本发明涉及图像处理技术领域，尤其涉及一种面向钢材表面缺陷检测的迁移学习方法，包括通过工业相机获取钢材表面图像样本并对图像样本进行预处理，将预处理后的钢材图像样本分为源域和目标域，并对源域钢材缺陷样本进行标记；采用ResNet50网络提取源域和目标域的钢材缺陷特征，并将源域和目标域数据映射到联合子空间内；通过线性判别分析方法对高维特征进行降维处理实现源域和目标域子空间对齐；从源域和目标域两个方面选择目标域样本子集进行伪标记，通过迭代学习完成对所有目标域钢材表面缺陷样本的伪标记。本发明能够准确、快速的钢材表面缺陷进行检测，并提高钢材表面缺陷检测的泛化能力，降低缺陷检测对数据量的要求。

本发明授权一种面向钢材表面缺陷检测的迁移学习方法在权利要求书中公布了：1.一种面向钢材表面缺陷检测的迁移学习方法，其特征在于，包括以下步骤： 步骤一、通过工业相机获取钢材表面图像样本并对图像样本进行预处理，将预处理后的钢材图像样本分为源域和目标域，并对源域钢材缺陷样本进行标记； 步骤二、采用ResNet50网络提取源域和目标域的钢材缺陷特征，并将源域和目标域数据映射到联合子空间内； 步骤三、通过线性判别分析方法对高维特征进行降维处理实现源域和目标域子空间对齐； 步骤三具体包括： 步骤31、计算降维后的第i类钢材表面缺陷中心点为 ，为各缺陷类别的样本中心点，为降维目标需求投影矩阵的转置；降维后所有样本的中心点为 ； 步骤32、定义降维后新的样本空间中各类别之间离散度； 其中，为所有钢材表面缺样本的中心点； 步骤33、定义降维后新的样本空间中各类别内紧致度S W ； ； 其中，为经降维后的样本矩阵； 步骤34、根据新的样本空间中各类别之间离散度，定义各类别之间散度矩阵； 步骤35、根据新的样本空间中各类别内紧致度，定义各类别内部散度矩阵； 步骤36、根据散度矩阵将简化为，简化为； 步骤37、根据线性判别准则建立目标函数：； 步骤38、使取最大值结合拉格朗日乘子法得到对应的拉格朗日函数为： 式中，为投影矩阵的第k列，为分配权重参数； 步骤39、通过投影矩阵降维后的新的样本矩阵为：，为降维后的样本维度； 步骤四、从源域和目标域两个方面选择目标域样本子集进行伪标记，通过迭代学习完成对所有目标域钢材表面缺陷样本的伪标记； 步骤四具体包括： 根据标签信息得到源域样本的分布结构，对源域所有样本中属于同一缺陷类别的投影求均值： 其中，表示属于同一缺陷类别的映射均值，表示投影后第i个属于y类的缺陷样本，y=0,1,…|Y|表示数据样本中钢材表面缺陷类别的数量； 利用目标域样本在子空间中的投影到源域映射均值之间的距离表示目标域样本和源域样本之间的差异： 通过计算目标域样本在子空间中的投影与类原型样本之间的差异，得到目标样本属于y类的条件概率： 。

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常州大学，其通讯地址为：213000 江苏省常州市武进区滆湖路1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”。