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！

龙图腾网获悉山东科技大学申请的专利一种基于对比学习与特征解耦的工业缺陷分类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：CN121305245B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511853290.9，技术领域涉及：G06V10/764；该发明授权一种基于对比学习与特征解耦的工业缺陷分类方法是由贾坤昊设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本一种基于对比学习与特征解耦的工业缺陷分类方法在说明书摘要公布了：本发明提供了一种基于对比学习与特征解耦的工业缺陷分类方法，涉及工业缺陷分类领域，具体包括如下步骤：构建工业缺陷分类数据集；对数据集进行预处理；利用数据集对双路对比解耦网络模型训练，将训练后的双路对比解耦网络模型的缺陷编码器部分取出，作为分类任务的预训练主干网络，再与一个由全连接网络构成的分类头组成缺陷分类网络；对缺陷分类网络进行训练，得到缺陷分类模型；将测试图像输入到缺陷分类模型，对缺陷分类模型进行精度测试；将在测试集上测试效果最佳的模型应用于工厂的实际缺陷分类过程。本发明的技术方案克服现有技术中分类模型因数据量少、缺陷之间相似度高、缺陷与背景特征耦合而引起的分类精度低的问题。

本发明授权一种基于对比学习与特征解耦的工业缺陷分类方法在权利要求书中公布了：1.一种基于对比学习与特征解耦的工业缺陷分类方法，其特征在于，具体包括如下步骤： S1，采集工业缺陷数据，构建工业缺陷分类数据集； S2，对数据集进行预处理，包括：剔除拍摄异常的图像、缺陷类别分类第二次确认； S3，利用数据集对双路对比解耦网络模型训练，双路对比解耦网络模型包括：缺陷编码器、背景编码器、对比学习模块、互信息解耦模块、缺陷分类器和背景分类器；通过缺陷编码器和背景编码器提取的特征输入到对比学习模块，然后再通过互信息解耦模块进行特征解耦，得到解耦后的缺陷特征和背景特征，分别送入缺陷分类器和背景分类器，缺陷分类器和背景分类器分别学习缺陷特征和背景特征； S4，将训练后的双路对比解耦网络模型的缺陷编码器部分取出，作为分类任务的预训练主干网络，再与一个由全连接网络构成的分类头组成缺陷分类网络；使用步骤S2中数据集，对缺陷分类网络进行训练，得到缺陷分类模型； S5，将测试图像输入到通过步骤S4得到的缺陷分类模型，对缺陷分类模型进行精度测试； S6，将在测试集上测试效果最佳的模型应用于工厂的实际缺陷分类过程； 对比学习模块包括：类别监督对比学习模块和背景监督对比学习模块，类别监督对比学习模块拉近同类样本的特征距离，推远异类样本；背景监督对比学习模块使不同样本、不同视角下的背景特征一致； 互信息解耦模块包括：一个样本生成器，一个由三层全连接层组成的判别器和一个梯度反转层，使用对抗训练的方式实现缺陷编码与背景编码的互信息最小化，达到特征解耦的效果；生成器将来自于同一样本的缺陷特征和背景特征拼接到一起作为正样本，将来自不同样本的缺陷特征和背景特征随机拼接作为负样本；判别器通过缺陷特征和背景特征的互信息判别输入是否为正样本；梯度反转层将梯度按照反方向引导，使判别器逐渐无法分别正负样本，同时迫使特征编码器寻找更深层更通用的特征。

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科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。