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！

龙图腾网恭喜福州大学申请的专利一种基于特征记忆库的轻量化工业环境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：CN115690058B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202211380109.3，技术领域涉及：G06T7/00；该发明授权一种基于特征记忆库的轻量化工业环境缺陷检测方法是由郭文忠;郑梧堃;柯逍设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本一种基于特征记忆库的轻量化工业环境缺陷检测方法在说明书摘要公布了：本发明提出一种基于特征记忆库的轻量化工业环境缺陷检测方法，首先通过拍摄流水线合格产品的俯视图左视图或右视图，整理成数据集后预处理；其次将数据集输入经过预训练的标准教师模型和初始化后的轻量学生模型，以此对学生模型进行特征知识蒸馏训练；之后将无缺陷产品数据集输入到经过特征知识蒸馏训练的轻量学生模型，提取产品图像对应特征集合并进行多尺度特征集合融合后，进行最大核心集距离采样，建立当前产品线合格产品的特征记忆库；最后将需要检测的流水线生产图像输入到轻量学生模型并进行多尺度特征融合，再与特征记忆库进行最近邻居算法比对，检测当前产品是否包含缺陷；本发明能够在尽量不损失准确率的前提下，提升异常检测的效率。

本发明授权一种基于特征记忆库的轻量化工业环境缺陷检测方法在权利要求书中公布了：1.一种基于特征记忆库的轻量化工业环境缺陷检测方法，其特征在于：包括以下步骤：步骤S1：通过安装在流水线上的工业摄像头配合固定漫射光源，拍摄通过流水线的合格产品的俯视照片或左视照片或右视照片，并将照片整理成数据集后进行预处理；步骤S2：将数据集输入经过预训练的标准教师模型和初始化后的轻量学生模型，对学生模型进行半监督特征知识蒸馏训练；步骤S3：将无缺陷产品数据集输入到经过特征知识蒸馏训练的轻量学生模型，提取产品图像对应特征集合并进行多尺度特征集合融合后，进行最大核心集距离采样，建立当前产品线的合格产品的特征记忆库；步骤S4：将需要检测的流水线生产图像输入到轻量学生模型并进行多尺度特征融合，再与特征记忆库进行最近邻居算法比对，检测当前产品是否包含缺陷；所述步骤S2具体包括以下步骤：步骤S21：将预处理后的数据集输入已经使用其他公开数据库进行预训练的标准教师模型，并提取标准教师模型输出的第一、二、三阶段特征图，合并成该数据集的教师特征图集合，称为Featureteacher；步骤S22：将预处理后的数据集输入初始化的学生模型，并提取学生模型输出的第一、二、三阶段特征图，合并成该数据集的学生特征图集合，称为Featurestudent；步骤S23：将Featurestudent通过映射层分别扩展第一、二、三阶段图像通道数量，使之与Featureteacher的第一、二、三阶段图像通道数相同，称扩展后的学生特征图集合为Featureexpand_student；步骤S24：将Featureteacher与Featureexpand_student输入损失函数计算多层特征损失，分别将Featureteacher与Featurestudent输入层关联分数计算函数得到层关联分数，将两个分数相减后得到层关联损失，将两个损失加和后进行反向传播，进行教师模型至学生模型的知识蒸馏训练；层关联分数计算函数具体方法为：将Featurestudent经过映射层扩展成Featureexpand_student，并将Featureexpand_student中第一、二、三阶段特征图分别与Featureteacher的第一、二、三阶段特征图计算MSE损失，最后将三个阶段特征图的损失进行加和得到总损失值，计算方法如下： 其中Featureexpand_student表示扩展后的学生特征图集合,表示为第i阶段输出并进行扩展后的特征图，Featureteacher表示教师特征图集合，表示为第i阶段输出的特征图，Lossmse表示计算得到的MSE损失值，n表示从教师模型和学生模型分别提取的特征图数量，此处值为3。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。