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！

龙图腾网获悉成都数之联科技股份有限公司申请的专利一种小样本面板缺陷检测方法、系统、设备及存储介质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：CN116433651B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202310518810.5，技术领域涉及：G06T7/00；该发明授权一种小样本面板缺陷检测方法、系统、设备及存储介质是由请求不公布姓名;请求不公布姓名;请求不公布姓名设计研发完成，并于2023-05-10向国家知识产权局提交的专利申请。

本一种小样本面板缺陷检测方法、系统、设备及存储介质在说明书摘要公布了：本发明提供一种小样本面板缺陷检测方法、系统、设备及存储介质，涉及缺陷检测技术领域，所述方法包括步骤为：基于原始样本图像预训练深度学习模型，以得到缺陷检测模型M1，其中，所述缺陷检测模型M1包括特征提取器和分类器；对原始样本图像和新样本图像进行样本融合处理和或样本平衡处理，以得到训练数据集；基于训练数据集对缺陷检测模型M1的分类器进行参数调整，以得到缺陷检测模型M2；基于缺陷检测模型M2对待检测图像进行缺陷检测，以输出缺陷识别和分类结果。本发明采用模型微调的训练方式，对于少量样本的缺陷能够更好地学习到相关的特征信息，进而提升缺陷检测的准确度。

本发明授权一种小样本面板缺陷检测方法、系统、设备及存储介质在权利要求书中公布了：1.一种小样本面板缺陷检测方法，其特征在于，所述方法包括以下步骤： 基于原始样本图像预训练深度学习模型，以得到缺陷检测模型M1，其中，所述缺陷检测模型M1包括特征提取器和分类器； 对原始样本图像和新样本图像进行样本融合处理和或样本均衡处理，以得到训练数据集； 其中，对原始样本图像和新样本图像进行样本融合处理的流程如下： 对新样本图像上的新类缺陷图像进行缺陷提取处理，以得到新类缺陷图像； 采用像素叠加的方式对新类缺陷图像和原始样本图像进行图像融合处理，使得新类缺陷与基类缺陷存在不同的位置关系，以得到融合样本图像，并且将融合样本图像添加到训练数据集； 基于训练数据集对缺陷检测模型M1的分类器进行参数调整，以得到缺陷检测模型M2；所述缺陷检测模型M1的分类器为基于余弦相似度的分类器； 其中，基于训练数据集对缺陷检测模型M1的分类器进行参数调整的流程如下： 将训练数据集中融合样本图像、原始样本图像以及新样本图像输入缺陷检测模型M1； 采用反向传播的方式，逐渐减小损失函数值，以实现分类器的参数调整； 所述损失函数值的计算公式为： ； 其中，代表分类器计算的分类类别属于真正类别yi的函数，n代表训练数据集样本图像的数量； 所述余弦相似度的计算公式为： ; 其中，代表缩放因子，FXi代表输入特征图的权重，Wj代表其他不同类别的权重，代表参数调数据； 当输入缺陷检测模型M1的样本为原始样本图像或标注后的新样本图像时：取值为1，并且调整FXi和权重Wj，使得余弦相似度Si,j的值保持均衡，并且采用反向传播的方式，不断计算损失函数值，使得损失函数值变小；当输入缺陷检测模型M1的样本为融合样本图像时：一当融合样本图像为新类缺陷与基类缺陷重叠时，减小，并且调整FXi和权重Wj，使得余弦相似度Si,j的值保持均衡，并且采用反向传播的方式，不断计算损失函数值，使得损失函数值变小；二当融合样本图像为新类缺陷与基类缺陷相交时，在一的基础上增加，并且调整FXi和权重Wj，使得余弦相似度Si,j的值保持均衡，并且采用反向传播的方式，不断计算损失函数值，使得损失函数值变小；三当融合样本图像为新类缺陷与基类缺陷相离时，取值为1，调整FXi和权重Wj，使得余弦相似度Si,j的值保持均衡，并且采用反向传播的方式，不断计算损失函数值，使得损失函数值变小； 基于缺陷检测模型M2对待检测图像进行缺陷检测，以输出缺陷识别和分类结果。

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成都数之联科技股份有限公司，其通讯地址为：610000 四川省成都市武侯区锦绣街8号2层270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。