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！

龙图腾网获悉南京航空航天大学申请的专利基于自组织映射网络的无监督工业异常检测与定位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：CN116452494B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310093104.0，技术领域涉及：G06T7/00；该发明授权基于自组织映射网络的无监督工业异常检测与定位方法是由陈松灿;刘达设计研发完成，并于2023-02-10向国家知识产权局提交的专利申请。

本基于自组织映射网络的无监督工业异常检测与定位方法在说明书摘要公布了：本发明提供了基于自组织映射网络的无监督工业异常检测与定位方法，将特征提取时不同层的特征视为不同视图以减少不同语义级别信息间的相互干扰，并将每个图像视为多个图片块，用自组织映射网络来学习这些图片块的分布信息，进而通过分布信息给出每个图片块的异常分数，最后设置确定异常的阈值，从而实现异常检测。

本发明授权基于自组织映射网络的无监督工业异常检测与定位方法在权利要求书中公布了：1.基于自组织映射网络的无监督工业异常检测与定位方法，其特征在于，包括以下步骤： 步骤1，将训练图片划分为n*n个图片块，n∈[2,size]，其中size是训练图片的像素级尺寸，并进行特征提取，每个图片块得到三个视图的特征向量； 步骤2，使用三个自组织映射网络SOM分别处理三个视图的特征向量，将所有训练图片块的特征向量都投影到节点上，并计算每个节点上所有特征向量的均值μ和方差Σ，构建正常图片块对应的分布； 步骤3，计算图片块的异常分数； 步骤4，设置异常分数阈值θ； 步骤5，对工业异常进行检测和定位； 步骤2包括： 步骤2-1，采用三个自组织映射网络分别处理三个视图的图片块特征向量，将步骤1获得的图片块特征向量作为训练集，每次从训练集中抽取一个特征向量ft，然后确定获胜神经元，公式如下： 其中，it为神经元的下标，ft为输入的特征向量，为第i个神经元的权值向量； 然后更新神经元及其邻域内神经元的权值向量，公式如下： 其中是第n+1次更新时第j个神经元的权值向量，αn是第n次更新时的学习率，hj,ifn是获胜神经元if的邻域函数，ftn是第n次更新时输入的特征向量； 步骤2-2，重复步骤2-1直至三个自组织映射网络的权值向量不再变化，训练完成，获得三个训练完成的自组织映射网络SOM，分别记为SOM1、SOM2、SOM3； 步骤2-3，计算每个投影到每个节点的所有数据的均值和方差，实现用自组织映射网络SOM构建正常图片块对应的分布，方差计算公式如下： 其中Ni是投影到节点i的输入向量的数量，ci表示第i个神经元的权值向量，fij表示神经元i的第j个输入向量；正则化项∈I使协方差矩阵Σi满秩且可逆； 步骤3中，对于第loc个图片块xi，loc∈[1,n*n]，有三个对应的特征向量t∈[1,3]，则对于图片块xi的特征嵌入需要在SOMt中找到对应的k个最近节点，并分别计算特征嵌入与对应的k个最近节点的马氏距离，最后选择最小的距离作为图片块在当前视图上的最终马氏距离分数，公式如下： 其中表示第loc个图片块t视图对应的马氏距离，fit表示第loc个图片块t视图对应的特征向量，和分别表示t视图自组织映射网络SOM获胜神经元节点对应分布的均值和协方差矩阵。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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。