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！

龙图腾网获悉江南大学;江阴创瑞电力装备有限公司申请的专利基于开放集未知分离的跨域齿轮表面缺陷检测方法和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：CN121033062B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511575523.3，技术领域涉及：G06T7/00；该发明授权基于开放集未知分离的跨域齿轮表面缺陷检测方法和系统是由宿磊;方俊垚;刘叶;张思雨;顾海霞设计研发完成，并于2025-10-31向国家知识产权局提交的专利申请。

本基于开放集未知分离的跨域齿轮表面缺陷检测方法和系统在说明书摘要公布了：本发明涉及齿轮表面缺陷检测技术领域，公开一种基于开放集未知分离的跨域齿轮表面缺陷检测方法和系统，包括：获取不同类型齿轮的表面图像分为训练集和测试集，将训练集分为源域和目标域样本，测试集中的图像为目标域样本；构建包括特征提取器、模糊类分离模块、未知类判别器、子领域判别器和分类器的齿轮表面缺陷检测模型，特征提取器提取源域和目标域特征数据，模糊类分离模块划分清晰类和模糊类；使用源域、清晰类和模糊类对应的特征数据训练模型，将目标域样本对于已知类分类置信度上的差异作为权重应用在训练过程中；将测试集输入训练完成的模型得到目标域中齿轮表面缺陷检测结果。本发明可以提高未知类识别能力，提升已知类的检测精度。

本发明授权基于开放集未知分离的跨域齿轮表面缺陷检测方法和系统在权利要求书中公布了：1.一种基于开放集未知分离的跨域齿轮表面缺陷检测方法，其特征在于，包括： 获取不同类型齿轮的表面图像并分为训练集和测试集，将训练集中的图像按齿轮类型分为源域样本和目标域样本，所述源域样本有标签，所述目标域样本无标签，所述测试集中的图像均为目标域样本； 构建齿轮表面缺陷检测模型，所述齿轮表面缺陷检测模型包括特征提取器、模糊类分离模块、未知类判别器、子领域判别器和分类器，所述特征提取器用于提取源域样本和目标域样本的特征得到源域特征数据和目标域特征数据，所述模糊类分离模块根据源域特征数据和目标域特征数据估计已知类特征空间范围并基于类清晰度评分机制将训练集中的样本划分为清晰类和模糊类； 使用训练集训练齿轮表面缺陷检测模型，具体为：使用源域特征数据、清晰类和模糊类对应的特征数据训练所述未知类判别器，实现划分已知类与未知类的类决策边界；使用源域特征数据和模糊类对应的特征数据训练所述分类器，以使模型对所有类别进行区分；使用源域特征数据和清晰类对应的特征数据对所述子领域判别器进行训练，实现类别层面的细粒度分布对齐；将目标域样本对于已知类分类置信度上的差异作为权重应用在所述未知类判别器、分类器和子领域判别器的训练过程中，对分离与适应过程进行风险校准以适应对齐难度并动态调整类决策边界； 将测试集输入训练完成的齿轮表面缺陷检测模型，得到目标域中齿轮表面缺陷检测的结果； 所述将目标域样本对于已知类分类置信度上的差异作为权重应用在所述未知类判别器、分类器和子领域判别器的训练过程中，对分离与适应过程进行风险校准以适应对齐难度并动态调整类决策边界，具体为： 所述未知类判别器训练时的损失函数为： ， 其中，为未知类判别器训练时的损失函数，为源域总样本数；为第j个源域样本的标签，若为模糊类则被标记为1，若为清晰类则被标记为0；为第j个源域样本，为特征提取器的输出，为未知类判别器的输出；为目标域总样本数，为第i个目标域样本的标签，为第i个目标域样本，为第i个目标域样本的已知类概率权重，为第i个目标域样本的未知类概率权重； 所述的计算方法为： ， 其中，μ表示缩放比例系数，是预设常数，为目标域，为第i个目标域样本的置信度； 所述的计算方法为：； 所述分类器训练时的损失函数为： ， 其中，为分类器训练时的损失函数，为第i个源域样本，为源域，为交叉熵损失函数，C为分类器的输出，为第i个源域样本的标签，为控制参数，为未知类样本数，为未知类样本，表示目标域中的未知类样本；为未知类对应的特征数据被赋予的开放集伪标签，为所有目标样本的未知类概率权重；； 所述子领域判别器训练时的损失函数为： ， 其中，为子领域判别器训练时的分布对齐的损失函数，K为子领域判别器的总数；为第i个源域样本的类别预测标签，表示第i个源域样本的类别预测标签是否为类别k，若为类别k则=1，若不为类别k则=0；为子领域判别器的输出，为目标域中滤除模糊类后的样本数，为滤除模糊类后的样本，表示目标域中滤除模糊类后的样本，为的类别预测标签；为所有已知类概率权重，。

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江南大学;江阴创瑞电力装备有限公司，其通讯地址为：214000 江苏省无锡市滨湖区蠡湖大道1800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。