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！

龙图腾网获悉中国地质大学(武汉);中建三局智能技术有限公司;罗人立申请的专利具有对抗性训练的伪异常样本表面缺陷检测方法及设备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：CN116805303B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202310587194.9，技术领域涉及：G06T7/00；该发明授权具有对抗性训练的伪异常样本表面缺陷检测方法及设备是由罗大鹏;黄罗琪;罗人立;洪世杰;李金生;王菲;蹇安安;杜浩文设计研发完成，并于2023-05-23向国家知识产权局提交的专利申请。

本具有对抗性训练的伪异常样本表面缺陷检测方法及设备在说明书摘要公布了：本发明针对工业产品表面缺陷在实际应用中“样本不平衡”问题，以及由于非显著缺陷和不同缺陷之间的相似性，高效定位和分类表面缺陷仍然是一个挑战的问题，提出了一种具有对抗性训练的伪异常样本表面缺陷检测方法及设备，在不需要额外异常样本学习的基础上能够适应检测数据集，从而达到工业产品表面缺陷的有效检测。方法中混合对象检测器，特征编解码器和分类器。对象检测器能够在正式检测之前先筛选一轮异常区域达到整个模型的高效检测能力。特征编解码器具有伪异常样本的对抗性训练，能够使得模型在不需要真实的异常样本的情况下完成数据集正常和异常的学习，减少实际应用中“样本不平衡”对检测结果的影响。

本发明授权具有对抗性训练的伪异常样本表面缺陷检测方法及设备在权利要求书中公布了：1.一种具有对抗性训练的伪异常样本表面缺陷检测方法，其特征在于，包括以下步骤： S1：构建一个对象检测器，所述对象检测器包括：特征提取网络和RPN； S2：将正常对象送入对象检测器，得到n个目标子样本； S3：构建特征编解码器，所述特征编解码器由CAE组成，CAE包括：编码器、第一解码器和第二解码器； S4：将对象检测器得到的n个目标子样本中的任一目标子样本送入编码器，将与表面缺陷检测数据集无关的数据作为伪异常样本送入编码器，经过第一解码器进行正常样本的训练，重构正常对象，经过第二解码器进行伪异常样本的对抗性训练，解码伪异常对象； S5：继续将剩余的n-1个目标子样本重复S4，直至一个对象结束；同时根据各损失更新网络参数，完成编码器的训练； S6：计算各目标子样本和其重构之后的绝对差，计算伪异常样本与其解码结果的绝对差； S7：构建分类器并训练分类器； S8：测试阶段，去掉第二解码器，将测试样本送入已经训练完成的对象检测器、CAE和分类器，得出表面缺陷检测结果； 步骤S4中，对于重构正常对象的第一解码器d，采用MSE损失函数作为损失函数： 其中，h、w分别为输入正常样本的高和宽并且h=w=64，为以h为行w为列的第i行第j列的正常样本的灰度图数值，为通过解码器之后得到的数值，为编码器的参数，为第一解码器的参数； 对于解码伪异常对象的第二解码器分支d'，采用MSE损失函数作为损失函数： 其中，h、w分别为输入伪异常样本的高和宽并且h=w=64，为以h为行w为列的第i行第j列的伪异常样本的灰度图数值，为通过解码器之后得到的数值，为编码器的参数，为第二解码器的参数； 步骤S8具体包括： 去掉特征编解码器中的第二解码器； 将测试样本经过对象检测器得出n个子样本后，将n个子样本依次送入去掉第二解码器之后的特征编解码器，得出绝对差，再送入分类器得出每个子样本的预测结果； 完成一个对象所有的样本检测之后，按分类器得出每个子样本的异常分数排序，设定阈值，超过阈值则判断为异常，并将存储的位置信息在检测图片中显示得出异常检测区域。

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中国地质大学(武汉);中建三局智能技术有限公司;罗人立，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。