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！

龙图腾网获悉江西师范大学申请的专利一种工业缺陷分类检测方法、装置、介质及电子设备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：CN120374628B 。

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：202510874493.X，技术领域涉及：G06T7/00；该发明授权一种工业缺陷分类检测方法、装置、介质及电子设备是由李汉曦;廖晓磊;陈南;李国锋设计研发完成，并于2025-06-27向国家知识产权局提交的专利申请。

本一种工业缺陷分类检测方法、装置、介质及电子设备在说明书摘要公布了：本发明提供了一种工业缺陷分类检测方法、装置、介质及电子设备，包括：获取参考图像，采集工业生产产品图像作为待检测图像；提取待检测图像和参考图像的原始特征进行局部图像块匹配并计算第一异常分数，第一异常分数大于预设的第一分类阈值时，将待检测图像分类为复杂图像；提取复杂图像和参考图像的浅层特征并进行特征的细粒度匹配并计算复杂图像的第二异常分数，第二异常分数大于预设的第二分类阈值时，将复杂图像分类为异常图像。应用该方法设计性能不同的模型分别完成对图像的初步筛选和复杂样本判断，利用协同工作的方式，能满足工业缺陷检测对实时性和高精度的双重需求，又能避免资源浪费。在设备布置层面还能够有效降低系统的硬件成本。

本发明授权一种工业缺陷分类检测方法、装置、介质及电子设备在权利要求书中公布了：1.一种工业缺陷分类检测方法，其特征在于，包括： 获取参考图像，采集工业生产产品图像作为待检测图像； 提取所述待检测图像的原始特征和所述参考图像的原始特征进行局部图像块匹配并计算第一异常分数，当第一异常分数大于预设的第一分类阈值时，将所述待检测图像分类为复杂图像； 提取所述复杂图像的浅层特征和所述参考图像的浅层特征并进行特征的细粒度匹配，根据所述复杂图像和所述参考图像的特征细粒度匹配结果计算所述复杂图像的第二异常分数，当所述第二异常分数大于预设的第二分类阈值时，将所述复杂图像分类为异常图像； 其中，提取所述待检测图像的原始特征和所述参考图像的原始特征进行局部图像块匹配并计算第一异常分数，包括：提取所述待检测图像的原始特征和所述参考图像的原始特征；对所述待检测图像的原始特征和所述参考图像的原始特征进行局部特征块匹配，以在所述参考图像中为所述待检测图像的特征块匹配最近邻参考图像特征块；根据所述参考图像和所述待检测图像相匹配的最近邻参考图像特征块计算所述待检测图像的像素级图像异常分数；根据所述待检测图像的像素级图像异常分数计算所述待检测图像的第一异常分数； 提取所述复杂图像的浅层特征和所述参考图像的浅层特征并进行特征的细粒度匹配，根据所述复杂图像和所述参考图像的特征细粒度匹配结果计算所述复杂图像的第二异常分数，包括：提取所述复杂图像的浅层特征和所述参考图像的浅层特征；将所述复杂图像的浅层特征与所述复杂图像的原始特征结合并提取得到复杂图像的细粒度特征，所述参考图像的浅层特征与所述参考图像的原始特征结合并提取得到参考图像的细粒度特征；对所述复杂图像的细粒度特征和所述参考图像的细粒度特征进行展平得到复杂图像的特征块集合和参考图像的特征块集合；将所述复杂图像的特征块集合与所述参考图像的特征块集合进行匹配以检索所述复杂图像的局部近邻特征块；根据所述复杂图像的特征块集合与所述复杂图像的局部近邻特征块计算复杂图像的初始异常分数；根据所述复杂图像的初始异常分数和所述复杂图像的前景信息计算所述复杂图像的第二异常分数。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。