Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南大学毛建旭获国家专利权

湖南大学毛建旭获国家专利权

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!

龙图腾网获悉湖南大学申请的专利一种基于热力图提示蒸馏的缺陷检测方法与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:CN121259000B

龙图腾网通过国家知识产权局官网在2026-03-20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:202511824598.0,技术领域涉及:G06T7/00;该发明授权一种基于热力图提示蒸馏的缺陷检测方法与系统是由毛建旭;余俊龙;易俊飞;王耀南;张辉;刘彩苹;彭伟星;贺文斌;贺振宇;陶梓铭设计研发完成,并于2025-12-05向国家知识产权局提交的专利申请。

一种基于热力图提示蒸馏的缺陷检测方法与系统在说明书摘要公布了:一种基于热力图提示蒸馏的缺陷检测方法与系统,缺陷检测方法包括:采集多张产品表面图片并进行预处理,构建缺陷检测数据集;构建教师模型和学生模型,训练教师模型,保存训练好的教师模型的权重;构建热力图提示模块并嵌入到教师模型中,得到新教师模型,训练新教师模型内的热力图提示模块,保存训练好的新教师模型的权重;将产品表面图片分别输入到新教师模型和学生模型中,根据新教师模型和学生模型输出的多尺度特征计算蒸馏损失,结合蒸馏损失和学生模型的检测损失对学生模型的权重进行更新,得到训练后的学生模型;将学生模型部署到设备端中并进行缺陷检测,得到检测结果。本发明采用深度学习的方式进行缺陷检测,大大节省了人力物力。

本发明授权一种基于热力图提示蒸馏的缺陷检测方法与系统在权利要求书中公布了:1.一种基于热力图提示蒸馏的缺陷检测方法,其特征在于,包括如下步骤: S1、采集多张产品表面图片,并对挑选的产品表面图片进行预处理,利用预处理后的产品表面图片构建缺陷检测数据集; S2、构建用于缺陷检测的教师模型和学生模型,使用缺陷检测数据集训练教师模型,并保存训练好的教师模型的权重;教师模型包括依次连接的第一骨干网络、多尺度特征融合模块以及用于缺陷检测的检测头;学生模型包括依次连接的第二骨干网络、多尺度特征融合模块以及用于缺陷检测的检测头; S3、构建热力图提示模块并嵌入到教师模型中多尺度特征融合模块、检测头之间,得到新教师模型,载入原教师模型的权重,训练新教师模型,训练过程中冻结原教师模型的权重,仅训练热力图提示模块,保存训练好的新教师模型的权重; S4、加载S3中最后保存的权重到新教师模型中,将缺陷检测数据集中的产品表面图片分别输入到新教师模型和学生模型中,根据新教师模型和学生模型输出的多尺度特征并利用构建的多尺度上下文增强网络计算蒸馏损失,结合蒸馏损失和学生模型原本的检测损失对学生模型的权重进行更新,得到训练后的学生模型; S5、将训练后的学生模型部署到设备端中,利用设备端中训练后的学生模型进行缺陷检测,得到检测结果; 所述S3具体包括如下步骤: S31、构建热力图提示模块,热力图提示模块为三个依次连接的卷积神经网络,每个卷积神经网络均由卷积层、激活函数组成,用于对输入特征图进行进一步处理并输出空间响应图; S32、将热力图提示模块嵌入到教师模型中多尺度特征融合模块、检测头之间,得到新教师模型; S33、在新教师模型中载入原教师模型的权重,对新教师模型中原教师模型的权重进行冻结,以避免热力图提示模块的训练对原教师模型的原有检测能力造成干扰; S34、利用缺陷检测数据集对新教师模型进行训练,损失函数为热力图对齐损失,通过标准的反向传播算法不断优化热力图提示模块参数,训练完成后,保存新教师模型的权重,包括原教师模型和热力图提示模块在内的全部权重参数; 所述S34具体包括如下步骤: S341、从缺陷检测数据集中随机选取一张预处理后的产品表面图片输入到新教师模型中,产品表面图片分别经过新教师模型的第一骨干网络、多尺度特征融合模块之后,获得不同尺度大小的特征图,i[0,4]; S342、将不同尺度大小的特征图输入到热力图提示模块中,生成对应的热力图提示特征,热力图提示特征用于指示热力图提示模块当前关注的空间区域; S343、将不同尺度大小的特征图在通道维度进行平均操作,得到通道响应强度平均热力图;随后对通道响应强度平均热力图进行归一化处理,使其数值范围归一化至[0,1],归一化方式采用min-max归一化,得到归一化后的通道响应强度平均热力图; S344、依据归一化后的通道响应强度平均热力图作为真值与热力图提示模块输出的热力图提示特征计算热力图对齐损失; S345、循环S341至S344,通过标准的反向传播算法不断优化热力图提示模块参数,训练完成后,保存新教师模型的权重,包括原教师模型和热力图提示模块在内的全部权重参数; 所述S342中热力图提示特征的计算公式如下: ; 其中,、、表示不同的卷积操作,Relu表示激活函数,代表Sigmoid函数; 所述S343中通道响应强度平均热力图的计算公式如下: ; 其中,x,y代表特征图的空间位置坐标,C代表特征图的通道数;k表示特征图的第k个通道;表示空间位置坐标x,y处的特征图; 所述S343中归一化后的通道响应强度平均热力图的计算公式如下: ; 其中,表示通道响应强度平均热力图在空间维度上的最小值;表示通道响应强度平均热力图在空间维度上的最大值;表示常数; S344中热力图对齐损失的计算式如下: ; 其中,表示热力图对齐损失;H、W分别表示特征图的高度和宽度;表示空间位置坐标x,y处的热力图提示特征;表示空间位置坐标x,y处的归一化后的通道响应强度平均热力图。

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湖南大学,其通讯地址为:410082 湖南省长沙市岳麓区麓山南路1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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。