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！

龙图腾网获悉龙岩学院申请的专利任务自适应金属表面缺陷小样本语义分割方法及系统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：CN120431337B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510870637.4，技术领域涉及：G06V10/26；该发明授权任务自适应金属表面缺陷小样本语义分割方法及系统设备是由刘艳芳;丁汉泽;张继炎;徐志刚;彭明设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本任务自适应金属表面缺陷小样本语义分割方法及系统设备在说明书摘要公布了：本发明公开了任务自适应金属表面缺陷小样本语义分割方法及系统设备，涉及金属表面缺陷检测技术、深度学习网络技术领域，本方案利用长短期记忆递归神经网络LSTM的思想，设计了不同的门控机制和结合可训练记忆种子来实现金属表面缺陷小样本语义分割的任务自适应，使得本方案有利于应用在流水线检测作业的高效运行。除此之外，本方案充分利用门控机制学习支撑‑查询对的上下文知识，指导模型产生高精度分割掩码，而在此基础上，本方案进一步提出了利用注意力蒸馏模块来促进和加速模型迭代过程，使得技术方案更加适用于高速金属表面缺陷检测的流水线作业，实现高精度的预测结果。

本发明授权任务自适应金属表面缺陷小样本语义分割方法及系统设备在权利要求书中公布了：1.一种任务自适应金属表面缺陷小样本语义分割方法，包括语义分割模型，所述语义分割模型包括任务自适应单元、上下文自适应模块和门控掩码平均池化，其任务为小样本学习中设置的N-wayK-shot任务，其表明一次迭代过程中含有N个类别和K张支撑图像；所述支撑图像用于指导查询图像进行分割；其特征在于，所述小样本语义分割方法包括： 任务自适应单元通过挖掘上下任务之间的关联和预测任务与标签之间的依赖性，生成任务自适应因子，以实现模型对多样化缺陷特征任务的自适应； 上下文自适应模块通过支撑-查询对高层次的余弦相似度交互，分析高层次特征之间的上下文关联，并结合批归一化操作和超参数，实现任务内上下文特征的动态提取，获得上下文信息； 门控掩码平均池化通过门控机制使模型先验学习支撑特征中的有效信息，再结合支撑掩码进行掩码平均池化，生成支撑信息； 将所述任务自适应单元、上下文自适应模块和门控掩码平均池化产生的信息进行融合，并经过解码处理得到预测掩码； 其中，所述任务自适应单元上设置有FPN编码器、基础门、输入门、输出门、输出处理单元、遗忘门、遗忘处理单元以及可训练记忆种子； 其中，所述FPN编码器用于提取并融合高层次支撑-查询对的特征； 所述基础门紧邻FPN编码器，其利用门控机制预处理支撑-查询对的特征，将其与所述可训练记忆种子融合成任务单元，实现任务的先验自适应；所述先验自适应为利用可训练记忆种子提供的记忆信息来预处理任务单元；其中，所述可训练记忆种子为可训练随机参数，其参与模型的整个迭代过程，用于记忆任务状态； 所述输入门、输出门以及遗忘门作为三条分支，其均与任务单元相连，且由不同的卷积操作、批归一化操作和激活函数组成；所述输入门用于引导模型关注当前任务的关键特征；所述输出门结合输入门的结果，生成预处理任务单元；所述遗忘门用于指导模型忽略任务中的次要特征； 所述遗忘处理单元利用输入门和遗忘门的输出，结合可训练记忆种子，生成状态单元；所述状态单元包含了本次迭代过程中需要忽略的次要特征； 所述输出处理单元结合预处理任务单元、状态单元和注意力软标签生成任务自适应因子；其中，所述注意力软标签由查询特征经过空间注意力块通过空间注意力机制生成，其用于预测任务与标签之间的依赖关系，实现任务的动态自适应。

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龙岩学院，其通讯地址为：364000 福建省龙岩市新罗区东肖北路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”。