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！

龙图腾网获悉山东省计算中心(国家超级计算济南中心);山东极视角科技股份有限公司;山东山科数字经济研究院有限公司申请的专利一种多模态提示记忆的无监督持续异常检测方法及系统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：CN120707974B 。

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：202511211500.4，技术领域涉及：G06V10/764；该发明授权一种多模态提示记忆的无监督持续异常检测方法及系统是由李刚;周鸣乐;陈振杰;万金;李敏;陈硕;李旺;韩德隆;李佳宸;高远;冯正乾;许络设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本一种多模态提示记忆的无监督持续异常检测方法及系统在说明书摘要公布了：本发明公开了一种多模态提示记忆的无监督持续异常检测方法及系统，涉及计算机视觉和工业图像检测技术领域。该方法包括步骤：获取工业图像构成数据集；构建无监督异常检测模型，包括视觉分支和文本分支，分别用于提取视觉特征和文本特征，在无监督异常检测模型中引入可学习的视觉提示和可学习的文本提示，之后利用自适应的融合机制融合视觉特征和文本特征，得到异常检测结果；利用数据集对无监督异常检测模型中可学习的视觉提示和可学习的文本提示进行训练；利用训练后的无监督异常检测模型对工业数据进行异常检测。本发明能够在学习过程中融合多模态信息并具备持续学习能力，实现了工业产品高效的无监督异常检测。

本发明授权一种多模态提示记忆的无监督持续异常检测方法及系统在权利要求书中公布了：1.一种多模态提示记忆的无监督持续异常检测方法，其特征在于，包括以下步骤： 获取工业图像构成数据集，对工业图像进行预处理； 构建无监督异常检测模型，包括视觉分支和文本分支，分别用于提取视觉特征和文本特征，在无监督异常检测模型中引入可学习的视觉提示和可学习的文本提示，利用视觉提示指导视觉特征提取，利用文本提示指导文本特征提取，之后利用自适应的融合机制融合视觉特征和文本特征，得到异常检测结果； 利用数据集对无监督异常检测模型中可学习的视觉提示和可学习的文本提示进行训练； 利用训练后的无监督异常检测模型对工业数据进行异常检测； 构建无监督异常检测模型的具体步骤为： 初步构建无监督异常检测模型； 在无监督异常检测模型中引入可学习的视觉提示和可学习的文本提示； 将可学习的文本提示和精炼的视觉提示进行融合，进行持续多模态提示记忆库的搭建；通过四元组结构M=K,T,V,F融合任务标识K、可学习文本提示T、精细化视觉提示V及正常特征存储库N，实现多模态特征协同优化与高效知识积累； 利用基于缺陷语义引导的自适应融合机制增强异常检测中的分割性能，动态Sigmoid归一化函数为： 其中，x表示初步异常分数，，Pb表示当前候选b对应的验证集性能指标，为超参数b的候选值，为步长，超参数k为固定值。

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山东省计算中心(国家超级计算济南中心);山东极视角科技股份有限公司;山东山科数字经济研究院有限公司，其通讯地址为：250000 山东省济南市历下区科院路19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。