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！

龙图腾网获悉台山市富通达软包装材料科技有限公司申请的专利一种聚丙烯薄膜缺陷检测模型的训练方法、装置及聚丙烯薄膜缺陷检测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：CN120783149B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202510894073.8，技术领域涉及：G06V10/774；该发明授权一种聚丙烯薄膜缺陷检测模型的训练方法、装置及聚丙烯薄膜缺陷检测方法是由王毓年;王家隆设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本一种聚丙烯薄膜缺陷检测模型的训练方法、装置及聚丙烯薄膜缺陷检测方法在说明书摘要公布了：本发明公开了一种聚丙烯薄膜缺陷检测模型的训练方法、装置及聚丙烯薄膜缺陷检测方法，涉及工业薄膜检测领域，训练方法包括：获取薄膜训练图像，通过伪标签模型生成伪标签；基于薄膜训练图像和伪标签对聚丙烯薄膜缺陷检测模型进行迭代训练；其中，伪标签模型的构建过程为：获取标注数据集和未标注数据集，并输入至待训练的伪标签模型，通过学生网络根据标注数据集生成预测值，并计算有监督损失；根据学生网络参数确定教师网络参数；通过学生网络和教师网络分别根据未标注数据集生成预测值，并计算一致性损失；各损失值相加确定总损失；不断调整学生网络参数直至总损失收敛，得到伪标签模型的网络参数。通过实施本发明，能够降低标注成本。

本发明授权一种聚丙烯薄膜缺陷检测模型的训练方法、装置及聚丙烯薄膜缺陷检测方法在权利要求书中公布了：1.一种聚丙烯薄膜缺陷检测模型的训练方法，其特征在于，包括： 获取若干薄膜训练图像； 将若干薄膜训练图像输入至预设的伪标签模型，生成对应的伪标签； 将若干薄膜训练图像和对应的伪标签输入至待训练的聚丙烯薄膜缺陷检测模型中进行迭代训练，得到训练好的聚丙烯薄膜缺陷检测模型； 其中，所述伪标签模型通过以下方式确定： 获取标注数据集和未标注数据集；每一标注数据包括：缺陷已知的第一薄膜图像及对应的真实标签值；每一未标注数据包括：缺陷未知的第二薄膜图像； 将标注数据集和未标注数据集输入至待训练的伪标签模型中，以使所述伪标签模型通过内设的学生网络根据标注数据集，生成对应的第一标签预测值；根据第一标签预测值和对应的真实标签值，确定有监督损失；根据学生网络的网络参数，确定教师网络的网络参数；通过内设的教师网络根据未标注数据集，生成对应的第二标签预测值；通过内设的学生网络根据未标注数据集，生成对应的第三标签预测值；根据第二标签预测值和第三标签预测值，确定一致性损失；根据有监督损失和一致性损失，确定总损失；根据总损失，对学生网络的网络参数进行调整，直至总损失收敛，将学生网络的网络参数作为预设的伪标签模型的网络参数； 所述将若干薄膜训练图像和对应的伪标签输入至待训练的聚丙烯薄膜缺陷检测模型中进行迭代训练，得到训练好的聚丙烯薄膜缺陷检测模型，包括： 将若干薄膜训练图像和对应的伪标签输入至待训练的聚丙烯薄膜缺陷检测模型中，以使所述聚丙烯薄膜缺陷检测模型对于每一薄膜训练图像，通过内设的特征提取网络对薄膜训练图像进行多尺度图像语义特征提取，得到对应的多尺度特征图；所述特征提取网络，包括：规范化处理模块、第一深度卷积模块、第二深度卷积模块、池化卷积模块以及门控模块；所述通过内设的特征提取网络对薄膜训练图像进行多尺度图像语义特征提取，得到对应的多尺度特征图，包括：通过所述规范化处理模块对薄膜训练图像进行归一化和填充处理，得到规范化薄膜特征图；通过所述第一深度卷积模块对所述规范化薄膜特征图分别进行1×1卷积、3×3深度可分离卷积和1×1卷积处理后，与所述规范化薄膜特征图进行残差连接，得到第一局部特征图；通过所述第二深度卷积模块对所述第一局部特征图分别进行1×1卷积、5×5深度可分离卷积和1×1卷积处理后，与所述第一局部特征图进行残差连接，得到第二局部特征图；通过所述池化卷积模块对薄膜训练图像进行平均池化和1×1卷积处理，得到结构特征图；将所述第二局部特征图和所述结构特征图相加后，通过所述门控模块进行特征强化和噪声抑制，得到语义特征图；将所述第二局部特征图、所述结构特征图和所述语义特征图相加，得到多尺度特征图； 通过内设的特征感知网络对多尺度特征图进行跨尺度特征增强，得到强化特征图； 通过内设的探测头对强化特征图进行缺陷识别与定位，生成薄膜训练图像的预测缺陷框和对应的缺陷预测类别； 根据薄膜训练图像的伪标签，确定实际缺陷框和对应的缺陷实际类别； 根据每一薄膜训练图像的预测缺陷框和对应的实际缺陷框，计算得到回归损失； 根据每一薄膜训练图像的缺陷预测类别和对应的缺陷实际类别，计算得到分类损失； 根据所述回归损失和所述分类损失，确定损失函数； 根据损失函数对聚丙烯薄膜缺陷检测模型的网络参数进行调整，直至损失函数收敛，得到训练好的聚丙烯薄膜缺陷检测模型。

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台山市富通达软包装材料科技有限公司，其通讯地址为：529200 广东省江门市台山市水步镇龙山路50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。