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！

龙图腾网获悉哈尔滨工程大学申请的专利一种小样本轴承表面缺陷的局部特征提取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：CN119832267B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510023727.X，技术领域涉及：G06V10/44；该发明授权一种小样本轴承表面缺陷的局部特征提取方法及系统是由苍岩;张轩上;李春广;邹瑞凯设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本一种小样本轴承表面缺陷的局部特征提取方法及系统在说明书摘要公布了：本发明提供了一种小样本轴承表面缺陷的局部特征提取方法及系统，属于特征提取技术领域。为了解决普遍存在样本量小的轴承表面缺陷特征提取过程中出现特征提取不足，且提取精度差的问题。本发明的局部特征提取的设计是在全局特征的基础上进一步提取到局部特征信息，对该特征进行更加详细的特征表示。对比现有的小样本图像分类方法，在公开数据集和自制轴承缺陷数据集上均取得一定程度的提升。同时，本发明首次应用小样本学习方法解决轴承表面缺陷分类任务，解决了少样本轴承表面缺陷分类这一具有挑战性的任务，克服了有限的数据可用性，为数据稀缺或难以获取的分类任务提供了创新方法。

本发明授权一种小样本轴承表面缺陷的局部特征提取方法及系统在权利要求书中公布了：1.一种小样本轴承表面缺陷的局部特征提取方法，其特征在于，包括以下步骤： S100、通过特征嵌入网络将输入端的图像数据映射到相同的特征空间中，包括经过预处理后的输入端图像通过特征嵌入网络，得到输入支持集和查询集在特征空间中的全局特征表示；所述图像数据为轴承表面缺陷图像数据集； S200、在利用特征嵌入模块提取到输入数据特征的基础上，设计局部特征提取模块进一步提取样本的局部特征； 具体包括， S210、将支持集和查询集经过数据预处理后送入特征嵌入模块，得到输入图像数据的支持集与查询集的全局特征表示矩阵为其中，C表示全局特征通道数，H，W分别为全局特征的高和宽； S220、设计局部特征提取模块，对步骤S210获得的类原型和查询集的全局特征进行处理，得到支持集与查询集的局部特征，用于增强输入数据的特征信息；包括， S221、设计局部特征提取模块来增强输入数据的特征信息，包括局部特征提取模块对获得的支持集和查询集的全局特征进行处理，在每个通道上通过滑动窗口提取局部特征；设置滑动窗口大小为M×N，在全局特征上依次滑动，在空间维度上每个像素点均得到其周围M×N大小的局部块，故在同一通道上C个局部块，每个大小均为M×N，一个像素点得到的局部特征块为所有通道上关于每个像素点提取到的局部特征共同组成邻域特征矩阵其中，C表示全局特征通道数，H、W分别表示全局特征的高和宽，M、N分别为滑动窗口的宽和高； S222、对全局特征G进行处理，升维后大小为使其维度与邻域特征矩阵D一致； S223、将升维后的全局特征G中每个像素点与由每个像素点周围局部特征块组成的邻域特征矩阵D进行哈达玛乘积计算，得到特征相关矩阵R，某个像素点的计算过程如式1所示，全局特征G与领域特征矩阵D的计算公式如式2： Rx＝Gx⊙Dx1 R＝G⊙D2 其中，Gx∈G，大小为1*1，x表示全局特征G中的某个像素点，x∈[1,H]×[1,W]；Dx∈D,大小为M×N，表示在像素点x周围的局部特征块；点乘表示哈达玛乘积，Rx∈R,大小为M×N，表示该像素点与其周围特征的相关性；所有维度上像素点G与邻域特征矩阵D的哈达玛乘积共同组成最终的相关矩阵R，且 S224、设计四层卷积神经网络对相关矩阵R进行特征提取，得到支持集与查询集的局部特征； S300、结合全局与局部信息得到融合特征，有助于在小样本图像分类任务下进行不同类别之间的区分。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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”。