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！

龙图腾网获悉西安邮电大学申请的专利缺陷检测模型的训练方法、缺陷检测方法、装置及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：CN120510154B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202511006056.2，技术领域涉及：G06T7/00；该发明授权缺陷检测模型的训练方法、缺陷检测方法、装置及设备是由李藕;张家驹;刘思思设计研发完成，并于2025-07-22向国家知识产权局提交的专利申请。

本缺陷检测模型的训练方法、缺陷检测方法、装置及设备在说明书摘要公布了：本发明提供一种缺陷检测模型的训练方法、缺陷检测方法、装置及设备，该方法包括：采用初始教师模型对样本工业图像进行逐层特征提取，得到多层次样本第一特征图；采用逐层融合模块对多层次样本第一特征图进行逐层下采样及融合，得到多阶段融合特征图；采用初始学生模型对多阶段融合特征图和多层次样本第一特征图进行多级上采样，得到多级样本第二特征图；根据多级样本第二特征图和多层次样本第一特征图，计算训练损失；根据训练损失对初始教师模型和初始学生模型进行优化，得到目标教师模型和目标学生模型；根据目标教师模型、逐层融合模块和目标学生模型，生成缺陷检测模型，以便有效保留浅层细节信息和深层语义特征，提高缺陷检测效果。

本发明授权缺陷检测模型的训练方法、缺陷检测方法、装置及设备在权利要求书中公布了：1.一种缺陷检测模型的训练方法，其特征在于，所述方法包括： 采用初始教师模型对样本工业图像进行逐层特征提取，得到多层次样本第一特征图； 采用逐层融合模块对所述多层次样本第一特征图进行逐层下采样及融合，得到多阶段融合特征图； 采用初始学生模型对所述多阶段融合特征图和所述多层次样本第一特征图进行多级上采样，得到多级样本第二特征图； 根据所述多级样本第二特征图和所述多层次样本第一特征图，计算训练损失； 根据所述训练损失对所述初始教师模型和所述初始学生模型进行优化，得到目标教师模型和目标学生模型； 根据所述目标教师模型、所述逐层融合模块和所述目标学生模型，生成缺陷检测模型； 所述采用逐层融合模块对所述多层次样本第一特征图进行逐层下采样及融合，得到多阶段融合特征图，包括： 采用所述逐层融合模块对第一层次样本第一特征图进行下采样，并与第二层次样本第一特征图进行融合，得到融合特征图； 采用所述逐层融合模块对所述融合特征图进行下采样，并与第三层次样本第一特征图进行融合，直至与最后一层次样本第一特征图完成融合，得到所述多阶段融合特征图； 所述采用初始学生模型对所述多阶段融合特征图和所述多层次样本第一特征图进行多级上采样，得到多级样本第二特征图，包括： 采用所述初始学生模型的第一级上采样模块对所述多阶段融合特征图进行上采样，得到第一级的样本第二特征图； 对每级上采样模块输出的样本第二特征图与对应层次的样本第一特征图进行拼接，采用下一级上采样模块进行上采样，得到下一级的样本第二特征图； 所述初始学生模型还包括：位于相邻上采样模块之间的空洞空间金字塔池化模块，所述对每级上采样模块输出的样本第二特征图与对应层次的样本第一特征图进行拼接，采用下一级上采样模块进行上采样，得到下一级的样本第二特征图，包括： 对每级上采样模块输出的样本第二特征图与对应层次的样本第一特征图进行拼接，得到拼接特征图； 采用所述空洞空间金字塔池化模块对所述拼接特征图进行处理，得到上下文信息特征图； 采用下一级上采样模块对所述上下文信息特征图进行上采样，得到所述下一级的样本第二特征图。

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西安邮电大学，其通讯地址为：710000 陕西省西安市长安南路563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。