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！

龙图腾网获悉东北大学申请的专利一种基于重构网络的三模态无监督工业异常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：CN120388024B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510887837.0，技术领域涉及：G06T7/00；该发明授权一种基于重构网络的三模态无监督工业异常检测方法是由陈昊鹏;咸婧仪;林川设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本一种基于重构网络的三模态无监督工业异常检测方法在说明书摘要公布了：本发明提供了一种基于重构网络的三模态无监督工业异常检测方法，涉及工业异常检测技术领域，本发明首先将合成的三种不同模态的异常图像恢复成正常图像，使重构网络具备捕捉和恢复异常图像的能力，由此本发明所提出的方法在运行过程中无需依赖外部记忆模块存储特征信息，显著提升了模型在资源受限环境下的部署效率与响应速度。此外，基于Transformer的重构网络能对图像的细粒度特征进行有效的提取，同时本发明充分利用多层自注意力机制融合RGB图像中的纹理细节、红外图像中的热分布特征以及3D点云图像中的几何形状信息，不仅提升了异常检测的细粒度识别能力，还在复杂工业环境下表现出较强的鲁棒性与泛化能力。

本发明授权一种基于重构网络的三模态无监督工业异常检测方法在权利要求书中公布了：1.一种基于重构网络的三模态无监督工业异常检测方法，其特征在于，包括： 步骤1：获取工业生产过程中符合预设生产标准的目标产品，进而获取目标产品的RGB图像，将目标产品的RGB图像作为正常RGB图像，获取目标产品的红外线图像，将目标产品的红外线图像作为正常红外线图像，获取目标产品的3D点云图像，将目标产品的3D点云图像作为正常3D点云图像； 步骤2：对所述正常RGB图像、所述正常红外线图像和所述正常3D点云图像进行处理，得到异常RGB图像、异常红外线图像和异常3D点云图像； 步骤3：将异常RGB图像、异常红外线图像和异常3D点云图像作为输入样本，将正常RGB图像作为输出样本，所述输入样本和所述输出样本构成训练样本，多个训练样本构成训练样本集； 步骤4：对异常RGB图像、异常红外线图像和异常3D点云图像进行重构，得到重构RGB图像特征、重构红外线图像特征和重构3D点云图像特征； 步骤4.1：针对训练样本集中训练样本中的输入样本，对输入样本中的异常RGB图像进行预处理，得到预处理后的RGB图像，将预处理后的RGB图像输入第一重构网络，在第一重构网络中得到重构RGB图像特征； 步骤4.2：对输入样本中的异常红外线图像进行预处理，得到预处理后的红外线图像，将预处理后的红外线图像输入第二重构网络中，得到重构红外线图像特征； 步骤4.3：对输入样本中的异常3D点云图像进行预处理，得到预处理后的3D点云图像，将预处理后的3D点云图像输入第三重构网络中，得到重构3D点云图像特征； 步骤5：通过多层自注意力融合模块，对重构RGB图像特征、重构红外线图像特征和重构3D点云图像特征进行融合，得到最终融合特征； 步骤5.1：通过多层自注意力融合机制，对重构RGB图像特征和重构红外线图像特征进行融合，得到第一初始融合特征，具体通过以下公式实现： ； ； ； 其中，表示重构RGB图像特征和重构红外线图像特征的拼接图像特征；表示第一层自注意力机制的查询，表示第一层自注意力机制的键，表示第一层自注意力机制的值，表示的参数矩阵，表示的参数矩阵，表示的参数矩阵，表示的维度； 步骤5.2：通过多层自注意力融合机制，对重构RGB图像特征和重构3D点云图像特征进行融合，得到第二初始融合特征，具体通过以下公式实现： ； ； ； 其中，表示重构RGB图像特征和重构3D点云图像特征的拼接图像特征，表示第二层自注意力机制的查询，表示第二层自注意力机制的键，表示第二层自注意力机制的值，表示的参数矩阵，表示的参数矩阵，表示的参数矩阵，表示的维度； 步骤5.3：通过多层自注意力融合机制，对第一初始融合特征和第二初始融合特征进行混合融合，得到混合融合特征，具体通过以下公式实现： ； ； ； 其中，表示第一初始融合特征和第二初始融合特征的拼接图像特征，表示第三层自注意力机制的查询，表示第三层自注意力机制的键，表示第三层自注意力机制的值，表示的参数矩阵，表示的参数矩阵，表示的参数矩阵，表示的维度； 步骤5.4：对混合融合特征和重构RGB图像特征进行拼接，得到最终融合特征，具体通过以下公式实现： ； 步骤6：计算最终融合特征和正常RGB图像的异常值s，判断异常值s是否大于预设阈值，在异常值s大于预设阈值的情况下，对第一重构网络、第二重构网络、第三重构网络和多层自注意力融合模块中的参数进行修改，获取训练样本集中下一个训练样本，返回执行步骤4，在异常值s不大于预设阈值的情况下，将第一重构网络、第二重构网络、第三重构网络和多层自注意力融合模块中的参数固定； 步骤7：获取待检测的工业产品的待检测RGB图像、待检测红外线图像和待检测3D点云图像，对待检测RGB图像、待检测红外线图像和待检测3D点云图像进行重构，得到重构后的RGB图像、重构后的红外线图像和重构后的3D点云图像，进而基于通过多层自注意力融合模块，对重构后的RGB图像、重构后的红外线图像和重构后的3D点云图像进行融合，得到待检测融合特征，进而计算待检测融合特征和待检测RGB图像之间的异常值，在异常值大于预设阈值的情况下，表征待检测的工业产品存在异常，在异常值不大于预设阈值的情况下，表征待检测的工业产品不存在异常。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路三号巷11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”。