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！

龙图腾网获悉杭州乔戈里科技有限公司;杭州电子科技大学申请的专利基于工业小样本缺陷检测的联邦学习优化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：CN120706512B 。

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：202511217380.9，技术领域涉及：G06N3/098；该发明授权基于工业小样本缺陷检测的联邦学习优化方法是由曾艳;洪万誉;晏毓;李志彬设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本基于工业小样本缺陷检测的联邦学习优化方法在说明书摘要公布了：本发明公开了基于工业小样本缺陷检测的联邦学习优化方法，该方法在局部训练中，通过提取样本软标签的分布特性，度量全局工业小样本缺陷检测模型与本地工业小样本缺陷检测模型在不同类别上的知识可靠性，进而采用分布特征蒸馏的方法从全局模型中针对性地补充本地模型在特定类别上的薄弱知识，实现对局部知识和非局部知识的协同学习与融合；同时，依据客户端工业小样本缺陷检测模型的知识相对可靠性，合理分配服务端聚合阶段各客户端模型的贡献权重，从而获得一个更具代表性与泛化能力的全局工业小样本缺陷检测模型，提升了全局模型整体预测性能。

本发明授权基于工业小样本缺陷检测的联邦学习优化方法在权利要求书中公布了：1.一种基于工业小样本缺陷检测的联邦学习优化方法，其特征在于，包括以下步骤： 步骤1.服务器端将全局工业小样本缺陷检测模型下发给选中的客户端，客户端基于当前通信轮次全局模型权重初始化本地工业小样本缺陷检测模型； 步骤2.基于客户端的本地数据，在客户端进行本地训练； 步骤3.客户端迭代训练结束后，客户端上传本地工业小样本缺陷检测模型参数至服务器端； 步骤4.服务器端在接收各客户端工业小样本缺陷检测模型后，利用少量不共享数据集计算每个客户端模型的知识相对可靠性，随后基于模型知识可靠性进行加权聚合，生成更新后的全局工业小样本缺陷检测模型； 所述步骤2中客户端进行本地训练包含E次循环训练，每一次循环训练包含如下步骤： 步骤2.1.客户端在本地数据集上计算得到全局工业小样本缺陷检测模型的类别知识可靠性和局部工业小样本缺陷检测模型的类别知识可靠性，并基于二者确定不可靠类别集合，其中，表示数据样本的特征集合，表示数据样本的标签集合； 步骤2.2.在不可靠类别集合的基础上，得到教师模型软标签分布的修正权重；针对每个训练样本，表示该样本的特征，是样本所属真实类别，定义学生模型软标签分布的修正权重为； 步骤2.3.构建基于分布特征的蒸馏损失项； 在局部训练过程中，对于任意训练样本，利用修正权重对教师模型预测概率分布进行修正得到，利用修正权重对学生模型预测概率分布进行修正得到；然后，基于分布特征的蒸馏损失项由加权修正后的预测概率分布与的KL散度构成： ； 其中，表示教师模型预测该样本属于类别的概率，表示学生模型预测该样本属于类别的概率，为总类别数； 步骤2.4.构建本地工业小样本缺陷检测模型训练的总损失函数； 本地模型训练的总损失函数，由步骤2.3提出的基于分布特征的蒸馏损失项和传统联邦训练交叉熵损失项共同组成；客户端本地模型依据总损失函数，在本地数据集上最小化训练损失，从而优化联邦学习中客户端的本地训练过程；本地模型训练的总损失函数计算公式为： ； ； 其中，在标签类别与样本真实标签类别一致时值为1，否则为0。

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杭州乔戈里科技有限公司;杭州电子科技大学，其通讯地址为：310053 浙江省杭州市滨江区浦沿街道东冠路611号10幢A座1601-1610室；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。