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！

龙图腾网获悉河海大学申请的专利一种基于无监督学习的铝箔封口密封性的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：CN116934725B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310937867.9，技术领域涉及：G06T7/00；该发明授权一种基于无监督学习的铝箔封口密封性的检测方法是由魏长赟;韩辉;包宇航;王啸海设计研发完成，并于2023-07-28向国家知识产权局提交的专利申请。

本一种基于无监督学习的铝箔封口密封性的检测方法在说明书摘要公布了：本发明公开了一种基于无监督学习的铝箔封口密封性的检测方法。包括：S1，获取铝箔封口红外图像；S2，对铝箔封口红外图像进行自适应ROI区域识别和提取；S3，对提取的热成像图像进行预处理并将正常样本图像制作成数据集；S4,将预处理后的正常样本数据集输入多尺度图像重构网络模型进行模型参数训练；S5，将预处理后的待测图像输入训练好的重构模型中进行图像重构，输出重构图像，将待测图像与重构图像进行残差计算，得到残差图；S6，对残差图进行预处理，突出缺陷部分，通过异常得分判断红外封口图像是否存在缺陷，若存在缺陷，对缺陷部分进行定位。本发明可以快速有效的对铝箔封口红外图像进行重构修复，具有更高的检测精度。

本发明授权一种基于无监督学习的铝箔封口密封性的检测方法在权利要求书中公布了：1.一种基于无监督学习的铝箔封口密封性的检测方法，其特征在于，包括如下步骤： 步骤S1，获取铝箔封口红外图像； 步骤S2，对铝箔封口红外图像进行自适应ROI区域提取； 步骤S3，对提取的红外图像进行预处理并将正常样本图像制作成数据集； 步骤S4，将预处理后的正常样本数据集输入多尺度图像重构网络模型进行模型参数训练； 所述步骤S4中多尺度图像重构网络模型包括图像生成网络和图像判别网络，其中图像生成网络包括多尺度特征采样模块，全局上下文特征提取模块，异常特征检测模块，图像生成模块； 所述多尺度特征采样模块由四个卷积组构成，第一层卷积组由卷积核为7*7的卷积层和最大池化层构成，目的是捕捉大尺度特征，减少后续层计算复杂性；后续三个卷积组均由残差块结构构成，包括3*3卷积核的卷积层、批归一化、激活函数和残差连接，用于更好的提取纹理、边缘局部特征，同时避免了梯度消失；多尺度特征采样模块输出三种不同尺度的特征图，分别由第二层、第三层、第四层卷积组输出，多尺度特征提高了模型的泛化能力和鲁棒性并且有利于图像重建网络对图像细节的重构； 所述全局上下文特征提取模块融合了Transformer结构和卷积结构，具体包括基于下采样的3*3卷积层和改进的轻量级VisionTransformer模块，改进的轻量级VisionTransformer模块依次为相对位置编码、局部感知单元、LayerNorm层、轻量级多头自注意力模块、LayerNorm层、改进的MLP模块； 其中,局部感知单元采用深度分离卷积，将卷积的平移不变性引入模块，具体公式为： LPUX＝DWConvX+X 式中，X为输入特征张量，DWConv为深度可分离卷积层，整体采用残差连接； 轻量级多头自注意力模块在原始的多自注意力的基础上，通过卷积操作对Key和Value的生成进行了简化处理，注意力的计算公式如下： 式中，Q、K、V分别为Transformer中的Query、Key、Value，Softmax为归一化指数函数，KT为K的转置矩阵，R为实数域，B为偏置矩阵，k为K和V沿空间方向缩小的倍数； 改进的MLP模块在原有的全连接层之间加入了3*3的卷积层，并通过残差连接避免梯度消失的同时，增强了Transformer模块的局部语义信息提取的能力； 全局上下文特征提取模块共三条分支，输入特征为多尺度特征采样模块输出的三种不同尺度的特征，经过三条分支结构网络的特征提取后，对特征进行融合并输出； 所述异常特征检测模块由K-means聚类和特征检测组成，主要用于抑制图像重建过程中的缺陷特征，将从全局上下文特征提取模块输出的特征图沿维度分解，包含的N个特征向量P，P＝{p1,p2,...,pN}P∈RC×1，N＝H*W，输入K-means聚类中，选择K个中点作为聚类中心，中心向量为C，C＝{C1,C2,...,Ck}C∈RC×1,特征检测是将特征向量中的与中心向量相距过远的缺陷特征替换成正常特征向量； 所述图像生成模块和图像判别网络的主体部分采用DCGAN的网络结构，图像生成模块由五层上采样模块组成，模块中的归一化操作采用InstanceNorm，图像生成模块输出三通道彩色重构图像，图像大小与输入图像一致；图像判别网络包括五层特征下采样模块和一个全连接层，在图像生成模块的第四到第五层之间、图像判别网络的第一层到第二层之间分别加入自注意力模块，图像判别网络的输出为输入图像为真的概率，范围在0-1之间； 步骤S5，将预处理后的待测图像输入训练好的重构模型中进行图像重构，输出重构图像，将待测图像与重构图像进行残差计算，得到残差图； 步骤S6，对残差图进行预处理，突出缺陷部分，通过异常得分判断红外封口图像是否存在缺陷，若存在缺陷，对缺陷部分进行定位。

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河海大学，其通讯地址为：210098 江苏省南京市鼓楼区西康路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”。

以上内容由龙图腾AI智能生成。