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！

龙图腾网获悉杭州电子科技大学申请的专利基于特征级异常合成及重建的工业图像异常检测方法及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：CN120598893B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202510695060.8，技术领域涉及：G06T7/00；该发明授权基于特征级异常合成及重建的工业图像异常检测方法及系统是由高文博;宫新一;宋朝晖;朱意航;陈城旭设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本基于特征级异常合成及重建的工业图像异常检测方法及系统在说明书摘要公布了：本发明公开了基于特征级异常合成及重建的工业图像异常检测方法及系统，方法如下：S1、获取图像，通过预训练网络提取多尺度局部特征；S2、将不同尺度的特征调整为统一尺寸，连接统一尺寸的特征，得到特征图；S3、通过特征适配，将S2的特征图转移到目标域，得到新的特征图；S4、向S3得到的特征图中添加噪声，得到模拟异常的特征图；S5、将S4得到特征图输入至特征重建网络，将其重建特征为不含异常的特征；S6、通过添加噪声前和重建后的特征图差异计算损失，根据损失值训练特征重建网络；S7、采用训练后的网络重建特征，根据特征重建前后的差异获得分割图。本发明解决了现有的异常检测方法计算成本高、合成异常不真实和重建异常区域的问题。

本发明授权基于特征级异常合成及重建的工业图像异常检测方法及系统在权利要求书中公布了：1.基于特征级异常合成及重建的工业图像异常检测方法，其特征在于，包括如下步骤： S1、获取图像，通过预训练网络提取多尺度局部特征； S2、将不同尺度的特征调整为统一尺寸，连接统一尺寸的特征，得到特征图； S3、通过特征适配，将步骤S2的特征图转移到目标域，得到新的特征图； S4、向步骤S3得到的特征图中添加噪声，得到模拟异常的特征图； S5、将步骤S4得到特征图输入至特征重建网络，将其重建特征为不含异常的特征； S6、通过添加噪声前的特征图和重建后的特征图差异计算损失，根据损失值训练特征重建网络； S7、采用训练后网络重建特征，根据特征重建前后的差异获得分割图； 步骤S4具体如下：通过柏林噪声并以设定阈值生成添加异常掩码，以该掩码为依据向特征图Fp中添加高斯噪声，具体表达式如下： 其中，表示添加噪声后的特征图，Ma表示通过柏林噪声生成的掩码，G表示高斯噪声，表示逐像素相乘操作； 步骤S5中，使用只含1×1卷积的卷积自编码器和ReLU激活函数作为特征重建网络；将特征图输入到特征重建网络中，将带异常的特征图重建为只包含正常区域的特征图Fr； 步骤S6中，通过添加噪声前的特征图和重建后的特征图差异计算损失，使用L2距离作为损失函数，具体表达式如下： 其中，h代表特征的高度，w代表特征的宽度，代表计算添加噪声前的特征图上的像素点和重建后的特征图上的像素点之间的L2距离；代表添加噪声前特征图在高度为i像素、宽度为j像素位置上的像素点，代表重建后特征图在高度为i像素、宽度为j像素位置上的像素点； 步骤S7具体如下：通过重建前后的特征差异得到分割图，使用L2距离作为计算方法，分割图S表示如下： 所得的分割图S为对工业图像异常检测的检测结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。