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！

龙图腾网获悉浙江双元科技股份有限公司申请的专利基于有监督和无监督缺陷检测方法、模型建立方法及装置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：CN120931630B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202511446114.3，技术领域涉及：G06T7/00；该发明授权基于有监督和无监督缺陷检测方法、模型建立方法及装置是由韦云声;陈文君;唐玉辉;胡美琴设计研发完成，并于2025-10-11向国家知识产权局提交的专利申请。

本基于有监督和无监督缺陷检测方法、模型建立方法及装置在说明书摘要公布了：本发明提供一种基于有监督和无监督缺陷检测方法、模型建立方法及装置，模型建立方法包括：建立初始缺陷检测模型，包括基于YOLO主干网络的共享特征提取模块、基于YOLO架构的有监督学习分支和基于异常检测架构的无监督学习分支；冻结无监督学习分支，基于标注样本对所述共享特征提取模块和有监督学习分支进行训练；共享特征提取模块和有监督学习分支训练完成后冻结共享特征提取模块和有监督学习分支，并解冻无监督学习分支，基于正样本对无监督学习分支进行训练；解冻有监督学习分支，采用标注样本和正样本对共享特征提取模块、有监督学习分支和无监督学习分支进行联合训练，训练完成后获得缺陷检测模型；该方法能够提高缺陷检测的精度。

本发明授权基于有监督和无监督缺陷检测方法、模型建立方法及装置在权利要求书中公布了：1.一种基于有监督和无监督缺陷检测模型建立方法，其特征在于，包括： 建立初始缺陷检测模型，所述初始缺陷检测模型包括基于YOLO主干网络的共享特征提取模块、基于YOLO架构的有监督学习分支和基于异常检测架构的无监督学习分支，所述共享特征提取模块与所述有监督学习分支以及无监督学习分支连接；所述共享特征提取模块为YOLO网络的主干网络，所述有监督学习分支包括YOLO网络的颈部网络模块和检测头模块，所述无监督学习分支包括特征压缩嵌入模块、特征库构建模块、搜索模块和输出模块； 冻结无监督学习分支，基于标注样本对所述共享特征提取模块和有监督学习分支进行训练； 所述共享特征提取模块和有监督学习分支训练完成后冻结所述共享特征提取模块和有监督学习分支，并解冻所述无监督学习分支，基于正样本对所述无监督学习分支进行训练：构建无监督学习分支的总损失函数，所述无监督学习分支的总损失函数为对齐损失和一致性损失加权求和；特征库构建模块建立初始化的特征库；重复执行如下步骤，直到满足停止条件：将所述正样本输入至所述共享特征提取模块，提取第二多尺度特征图并输入至所述无监督学习分支，所述无监督学习分支的特征压缩嵌入模块对所述第二多尺度特征图进行降维处理，提取局部特征，所述搜索模块计算局部特征中不同位置的特征与所述特征库中对应特征的欧式距离并计算距离均值，根据所述距离均值进行上采样获得异常检测热力图，并通过所述输出模块进行输出；根据所述欧式距离计算对齐损失和一致性损失，计算无监督学习分支的总损失，根据所述无监督学习分支的总损失进行反向传播，更新所述无监督学习分支的参数；达到预设轮数时所述特征库构建模块更新所述特征库； 解冻所述共享特征提取模块和有监督学习分支，采用标注样本和正样本对所述共享特征提取模块、有监督学习分支和无监督学习分支进行联合训练，训练完成后获得缺陷检测模型。

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浙江双元科技股份有限公司，其通讯地址为：310015 浙江省杭州市拱墅区莫干山路1418-41号2号楼；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。