同济大学赵卫东获国家专利权
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！
龙图腾网获悉同济大学申请的专利基于深度学习的微小目标缺陷识别模型训练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：CN120451160B 。
龙图腾网通过国家知识产权局官网在2025-09-02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：202510948990.X，技术领域涉及：G06T7/00；该发明授权基于深度学习的微小目标缺陷识别模型训练方法是由赵卫东;徐震;柳先辉;贾宁设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。
本基于深度学习的微小目标缺陷识别模型训练方法在说明书摘要公布了：本发明公开了基于深度学习的微小目标缺陷识别模型训练方法，涉及缺陷识别模型训练技术领域，围绕微小缺陷检测需求，从高分辨率多样化数据构建和精准标注入手，通过多尺度特征融合与空间注意力突出弱小目标，配合逐层筛选与二次强化训练处理难例场景，并采用多模型融合与在线动态调优实现实时迭代优化，最终扩展至多模态与时序维度以捕捉更深层次与动态缺陷信息，大幅降低漏检误检率，提升对复杂工艺背景下微米级缺陷的检测效率与适应性；且进一步借助红外、X射线或3D形貌等多源数据以及时间序列建模手段，并融合多维并将隐性或早期裂纹纳入检测与预测范围，从而构筑高可靠性、可进化的微小目标缺陷智能识别体系。
本发明授权基于深度学习的微小目标缺陷识别模型训练方法在权利要求书中公布了：1.基于深度学习的微小目标缺陷识别模型训练方法，其特征在于：包括， 对真实及合成影像集采取高分辨率采样及像素级标注，并通过统一ID管理和高分辨预处理生成多通道标签映射，构建囊括稀少微小缺陷多样性的初始数据； 对存储容器中图像特征引入多尺度特征融合与空间注意力机制，以在融合特征层面实现对细粒度目标的显著放大，并确保多层语义与边缘细节形成可学习上下文； 基于初步检测模型对图像进行推理，若出现置信度偏低或与背景干扰度过高的候选缺陷区域，将与候选列表对应图像重新采样并存入难例子集，结合强化学习因子训练生成精细化子模型； 采用融合策略将IoU投票、置信度综合评估及背景干扰度进行互检，并对低置信度区域实施在线动态调优与二次扫描，实时回馈难例新样本并形成持续自学习； 获取多模态信息或时序影像以追踪缺陷演变后，在融合特征与精细化子模型中增设跨通道注意力与时序特征，融合多源要素以捕捉深层缺陷特征及进行早期裂纹趋势预警。
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同济大学，其通讯地址为：200082 上海市杨浦区四平路1239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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号