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！

龙图腾网恭喜合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)申请的专利基于多尺度标准化流的无监督笔记本外观缺陷检测方法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：CN116205876B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202310158673.9，技术领域涉及：G06T7/00；该发明授权基于多尺度标准化流的无监督笔记本外观缺陷检测方法是由赵云波;张杰;李泽瑞;康宇;吕文君设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本基于多尺度标准化流的无监督笔记本外观缺陷检测方法在说明书摘要公布了：本发明涉及工业缺陷检测技术领域，公开了一种基于多尺度标准化流的无监督笔记本外观缺陷检测方法，将采集得到的笔记本电脑外观图像，依次输入到多尺度特征提取网络模型以及缺陷检测模型，得到检测结果；训练方法包括：获取笔记本电脑的原始外观图像后进行数据预处理，得到训练数据集；构造基于ResNet50网络和特征金字塔网络的多尺度特征提取网络模型，提取训练数据集中外观图像的多尺度特征；构造基于多尺度标准化流网络的缺陷检测模型，以多尺度特征作为缺陷检测模型的输入，通过计算损失函数对缺陷检测模型进行训练。本发明能很好地定位不同尺度不同类型的缺陷，有着良好的检测效果与缺陷定位效果。

本发明授权基于多尺度标准化流的无监督笔记本外观缺陷检测方法在权利要求书中公布了：1.一种基于多尺度标准化流的无监督笔记本外观缺陷检测方法，其特征在于，将在笔记本电脑生产线上实时采集得到的笔记本电脑外观图像，依次输入到多尺度特征提取网络模型以及缺陷检测模型，得到笔记本电脑外观缺陷的检测结果；其中，对多尺度特征提取网络模型以及缺陷检测模型的进行训练时，包括以下步骤：步骤一、将笔记本电脑的原始外观图像进行预处理后，组成训练数据集；步骤二、构造基于ResNet50网络和特征金字塔网络的多尺度特征提取网络模型，提取训练数据集中外观图像的多尺度特征；步骤三、构造基于多尺度标准化流网络的缺陷检测模型，以步骤二中提取得到的多尺度特征作为缺陷检测模型的输入，通过计算损失函数对缺陷检测模型进行训练；步骤三中构造的缺陷检测模型为由多个耦合块串联而成的耦合块链，耦合块即多尺度标准化流子网络；输入缺陷检测模型的多尺度特征依次经过耦合块链中的每个耦合块，且每经过一个耦合块对输入特征进行一次仿射可逆变换，经过多次仿射可逆变换将特征空间Y中的未知分布ργ映射到具有高斯分布ρZ的潜在空间Z：fy1,…,ys＝[z1,…,zs]＝z；其中f表示多尺度标准化流网络，y＝[y1,…,ys]∈Y，y为外观图像x的图像特征，ys为y中第s个尺度的特征，z＝[z1,…,zs]∈Z，z为变换后与y对应的多尺度特征张量，zs为与ys对应的同尺度特征张量，s为特征尺度；耦合块A对输入特征进行仿射可逆变换时，包括以下步骤：S31：首先使用置换注意力机制融合耦合块输入特征的视觉信息与语义信息，得到融合特征张量S32：将融合特征张量沿通道维度进行均匀划分得到特征和S33：将划分后的特征和输入到跨尺度全卷积子网络，跨尺度全卷积子网络首先通过1*1的卷积扩张特征和的通道维度，再利用双线性插值上采样和跨步卷积下采样进行不同尺度特征之间的信息融合，最后分别按通道进行划分得到缩放参数s和偏移参数t；利用特征yin,1作为输入得到参数s1yin,1和t1yin,1,作用于yin,2得到特征yout,2；再利用特征yout,2作为输入得到参数s2yout,2和t2yout,2，作用于yin,1得到特征yout,1： 其中⊙为逐元素乘法，γ1与γ2为可学习的参数；S34：最后将特征和按通道进行拼接得到耦合块A的输出特征张量并输入到下一个串联的耦合块。

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合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)，其通讯地址为：230000 安徽省合肥市高新区望江西路5089号,中国科学技术大学先进技术研究院未来中心B1205-B1208；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”。