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！

龙图腾网获悉华中科技大学申请的专利一种基于记忆力辅助蒸馏网络的纹理表面缺陷检测方法及系统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：CN119359637B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202411366758.7，技术领域涉及：G06T7/00；该发明授权一种基于记忆力辅助蒸馏网络的纹理表面缺陷检测方法及系统是由杨华;何源;刘腾设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种基于记忆力辅助蒸馏网络的纹理表面缺陷检测方法及系统在说明书摘要公布了：本发明属于图像处理相关技术领域，并公开了一种基于记忆力辅助蒸馏网络的纹理表面缺陷检测方法及系统。该方法包括下列步骤：获取多张待处理样本无缺陷图像，获取每张图像的多尺度特征和全局记忆力模板；将该全局记忆力模板和每张图像的多尺度特征进行特征融合，形成融合特征；以学生解码器对融合特征进行解码获得多尺度解码特征，以此训练获得最优的学生解码器；将待处理图像分别输入教师编码器和最优的学生解码器中获得多尺度特征和多尺度解码特征，计算异常分数图并进行图像处理陷图像，以此实现缺陷检测。通过本发明，实现在仅使用正常样本的情况下精确检测复杂工业环境下的各类纹理缺陷。

本发明授权一种基于记忆力辅助蒸馏网络的纹理表面缺陷检测方法及系统在权利要求书中公布了：1.一种基于记忆力辅助蒸馏网络的纹理表面缺陷检测方法，其特征在于，该方法包括下列步骤： 离线训练： 获取多张无缺陷纹理表面图像，将该多张图像划分为多个批次，采用教师编码器分别提取每个批次中每张图像的多尺度特征，在每个批次的多尺度特征中选取多个多尺度特征作为特征模板，以此获得所有批次的特征模板；利用滑动平均的方法对该所有批次的特征模板进行计算，计算结果作为全局记忆力模板； 将该全局记忆力模板和每张图像的多尺度特征进行特征融合，获得每张图像的融合特征； 构建以全局记忆力模板和融合特征作为输入，融合特征的多尺度解码特征作为输出的学生解码器，利用每张图像的融合特征和全局记忆力模板训练所述学生解码器，设定训练总次数和学习率，计算将每张图像的多尺度特征和多尺度解码特征之间的蒸馏损失函数，通过调节所述学生解码器中的参数减小所述蒸馏损失函数，当达到预设训练总次数时对应的学生解码器为最优的学生解码器； 在线检测： 将待处理纹理表面图像分别输入所述教师编码器和最优的学生解码器中，获得该待处理纹理表面图像对应的多尺度特征和多尺度解码特征，利用该多尺度特征和多尺度解码特征之间的差异计算异常分数图，对该异常分数图进行图像处理获得待处理纹理表面图像对应的缺陷图像，以此实现纹理表面的缺陷检测； 所述特征模板的选取采用核心集采样的方法，该核心集采样的公式如下： 其中，，分别是经过核心集采样前后的第尺度的特征集合，是在第尺度的空间维度上，经过核心集采样后的坐标为的多尺度特征的集合， 和分别是已在集合中的多尺度特征和需要判断是否用来更新集合的多尺度特征，是二阶范数，是对核心集取均值后的多尺度特征代表，由所有多尺度特征空间位置的构成的特征作为当前批次的特征模板； 所述全局记忆力模板的计算公式如下： 其中，和分别是相邻两批次第尺度下的全局记忆力模板，是衰减率，是当前批次计数，是特征模板； 所述异常分数图的公式如下： 其中，和分别是异常分数图上的横坐标和纵坐标，是教师编码器在第尺度下的特征，是学生解码器在第尺度下的解码特征，和分别是在第尺度下教师编码器和学生解码器特征的横坐标和纵坐标，是转置运算，坐标和坐标在几何空间位置上一一对应。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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”。

以上内容由龙图腾AI智能生成。