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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于局部离群因子的工业图像异常检测与定位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：CN114926682B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202210547394.7，技术领域涉及：G06V10/764；该发明授权一种基于局部离群因子的工业图像异常检测与定位方法及系统是由谢锐;陈华华;郭春生;叶学义设计研发完成，并于2022-05-18向国家知识产权局提交的专利申请。

本一种基于局部离群因子的工业图像异常检测与定位方法及系统在说明书摘要公布了：本发明公开了一种基于局部离群因子的工业图像异常检测与定位方法及系统，本发明方法具体如下：1获取训练数据集；2特征提取；3采用局部离群因子算法进行异常检测与定位。本发明将深度学习和传统方法相结合提出了一种无监督的异常检测与定位技术方案，具有较高的异常检测准确性和较精准的异常定位性能。

本发明授权一种基于局部离群因子的工业图像异常检测与定位方法及系统在权利要求书中公布了：1.一种基于局部离群因子的工业图像异常检测与定位方法，其特征是按如下步骤：步骤1、获取训练数据集；步骤2、特征提取；步骤3、采用局部离群因子算法进行异常检测与定位；步骤2具体如下：预训练获得ResNet模型作为特征提取器F，记特征提取器前三层为F3；对于给定的图像xi，提取的特征fi，fi＝F3xi；步骤3具体分为两部分：第一部分是异常检测：以ResNet网络的第三层输出特征fi，作为LOF算法的输入进行训练；第二部分异常定位：先将ResNet网络的第一、第二和第三层输出特征进行融合并降维，融合的特征图尺寸为1792×56×56，降维后特征图上每一个超像素维度大小为550×1，最后以每个超像素作为LOF算法的输入进行训练；异常检测过程具体如下：计算数据点fi的第k距离，即离fi第k远的点到fi的欧氏距离，记为dkfi；找到fi的第k距离邻域Nkfi即fi的第k距离内的所有点，包括第k距离；|Nkfi|≥k，|·|表示集合中元素的个数，0＜k≤L,L为样本总数；计算每个数据点的局部可达密度： 其中，reach_distkfi,t为fi和Nkfi内某一点t的可达距离，可达距离的计算公式为：reach_distkfi,t＝max{dkfi,dfi,t}；d·,·表示欧氏距离，t为Nkfi内除fi外的某一点；计算fi的局部离群因子将其作为异常得分： LOFkfi表示点fi的邻域点Nkfi的局部可达密度与点fi的局部可达密度之比的平均数；测试时，以局部离群因子作为被测样本的异常分数，设阈值为th，0＜th＜1，大于阈值th的判为异常样本，小于阈值th的判为正常样本；异常定位过程具体如下：选取步骤2中特征提取器F的第一、二、三层输出特征融合得到融合特征图其中，N为输入训练图像数，Cs表示第一、二、三层输出通道数之和，H,W表示最大输出特征图的分辨率；首先将特征提取器F的第一、二、三层输出特征图每个通道都放大为分辨率为H×W的特征图，然后将来自不同层的输出特征图前后连接起来，得到包含不同语义层次和分辨率信息的融合特征图，实现对不同粒度和全局上下文编码；采用随机降维的方式降低融合特征图P的维度，从融合特征图P的通道维数Cs中随机选取550维，Cs＝1792；以超像素pij∈PN×550×H×W作为LOF算法的输入进行训练，i,j∈[1,W]×[1,H]，计算每个超像素的第k距离dkpij，然后找到它的第k距离邻域；最后，按式1计算每个超像素的局部可达密度，按式2算出异常得分。

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 浙江省杭州市杭州经济技术开发区白杨街道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”。