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！

龙图腾网获悉华南理工大学申请的专利一种面向MiniGPT-4大型视觉语言模型的无监督汽车缸盖内腔表面缺陷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：CN119942192B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510003523.X，技术领域涉及：G06V10/764；该发明授权一种面向MiniGPT-4大型视觉语言模型的无监督汽车缸盖内腔表面缺陷检测方法是由刘桂雄;邢星奥;闫奕樸设计研发完成，并于2025-01-02向国家知识产权局提交的专利申请。

本一种面向MiniGPT-4大型视觉语言模型的无监督汽车缸盖内腔表面缺陷检测方法在说明书摘要公布了：本发明公开了一种面向MiniGPT‑4的无监督汽车缸盖内腔表面缺陷检测方法，包括：构建汽车缸盖内腔表面参数化成像模型，采集正常图像；构建图像数据集，由正常图像生成异常图像组成数据集；采集数据集图像特征，经多尺度局部邻域聚合方法、相互评分机制提取特征；建立无监督汽车缸盖内腔表面缺陷检测模型，包含图像编码器、图像解码器、图文匹配模块、提示学习器、几何信息学习器、大型语言模型；将图像输入图像编码器、图像解码器、图文匹配模块、提示学习器、几何信息学习器、大型语言模型，确定检测图像mask掩码图及缺陷属性、几何信息。本发明对复杂制造场景中产品质量控制、提高缺陷检测效率及准确性具有重大实际工程应用价值。

本发明授权一种面向MiniGPT-4大型视觉语言模型的无监督汽车缸盖内腔表面缺陷检测方法在权利要求书中公布了：1.一种面向MiniGPT-4的无监督汽车缸盖内腔表面缺陷检测方法，其特征在于，所述方法包括： A构建汽车缸盖内腔表面参数化成像模型，采集汽车缸盖内腔表面图像； B构建图像数据集，由正常图像生成模拟异常图像，并由正常图像和异常图像共同组成图像数据集； C采集数据集图像级特征，经多尺度局部邻域聚合方法、相互评分机制提取特征； D建立无监督汽车缸盖内腔表面缺陷检测模型； E确定检测图像mask掩码图及缺陷属性、几何信息； 所述步骤D中，无监督汽车缸盖缺陷检测模型包括： 图像编码器：采用MiniGPT-4的ImageBind-Huge作为ImageEncoder，提取输入图像的全局与局部特征； 图像解码器：ImageDecoder采用一种四阶段轻量级、特征匹配的结构，在各阶段提取相应的中间patch-level特征；输入图像、预设文本分别经ImageEncoder、TextEncoder进行编码后输入ImageDecoder，ImageDecoder再输出异常检测结果；其中ImageEncoder与TextEncoder相同，均为MiniGPT-4的ImageBind-Huge； 图文匹配模块：将图像特征与文本特征对齐，记第i阶段提取中间patch-level特征为该特征未经过图像-文本对齐，通过引入额外线性层，将中间特征投影到使其与代表正常和异常语义的文本特征对齐，异常定位结果Upsample表示上采样，则有： 提示学习器：将图像解码器输出与独立训练的基础向量整合为n1+n2个提示嵌入向量与图像特征共同输入LLM，利用图像中的细粒度语义信息，并保持图像解码器与LLM语义匹配； 几何信息输出器：实现输入图像中异常精确识别及异常几何信息提取，步骤如下： ①图像标准化：对输入异常定位结果R转化为灰度图Igray，再到224×224像素大小的标准化Inorm，确保不同尺寸图像分析规格一致性； ②区域分割：将Inorm应用自适应阈值算法处理得Ibinary； ③几何信息提取：通过Canny边缘检测对Ibinary进行轮廓识别，得图像边缘函数δEx,y，边缘微分线段ds；令图像异常区域为Ri，则其异常面积Aanomaly、周长Panomaly、中心坐标CCanomalyx,y计算公式： 大型语言模型：采用MiniGPT-4的Vicuna-7B作为LLM，将提示嵌入输入LLM，通过以下查询生成检测结果Rtext： Rtext＝MLLMQ,Eprompt14。

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南理工大学，其通讯地址为：510640 广东省广州市天河区五山路华南理工大学；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。