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！

龙图腾网获悉中山大学申请的专利基于跨图像局部特征对齐的缺陷检测、定位的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：CN114170478B 。

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：202111502012.0，技术领域涉及：G06V10/774；该发明授权基于跨图像局部特征对齐的缺陷检测、定位的方法及系统是由苏勤亮;胡枭设计研发完成，并于2021-12-09向国家知识产权局提交的专利申请。

本基于跨图像局部特征对齐的缺陷检测、定位的方法及系统在说明书摘要公布了：本发明提出一种基于跨图像局部特征对齐的缺陷检测、定位的方法及系统，涉及物体表面缺陷异常检测及定位的技术领域，首先搭建蒸馏学习模型，然后将跨图像的局部特征对齐信息融入到蒸馏学习模型的正常样本特征提取训练的损失函数中，形成总损失函数，最后借助蒸馏学习模型总损失函数进行异常缺陷检测及异常定位，使得蒸馏学习模型可以使用训练集跨图像的像素‑像素局部对应关系来约束特征空间，从而保证蒸馏学习模型对细粒度的局部像素级特征的敏感性，进而提升物体表面缺陷异常检测和定位的效果。

本发明授权基于跨图像局部特征对齐的缺陷检测、定位的方法及系统在权利要求书中公布了：1.一种基于跨图像局部特征对齐的缺陷检测、定位的方法，其特征在于，包括以下步骤： S1.构建蒸馏学习模型，所述的蒸馏学习模型包括教师模型T及学生模型S； S2.确定蒸馏学习模型的损失函数； S3.构建数据集，将数据集划分为训练集和测试集，训练集仅包含正常图像样本，测试集包括正常图像样本和异常图像样本； S4.构建同一训练批次若干张正常图像样本中跨图像的局部特征对齐损失函数；设构建步骤S4中同一训练批次K张正常图像样本中跨图像的局部特征对齐损失函数，在蒸馏学习模型训练过程中，依次逐像素计算第一张、第二张、…、第K张正常图像样本与其它K-1张正常图像样本在教师模型T与学生模型S对应VGG16网络结构的关键层输出的激活值图的对齐损失，然后取12消除重复计算的内容，得到同一训练批次K张正常图像样本中跨图像的局部特征对齐损失函数，表达式为： 其中，L2表示同一训练批次K张正常图像样本中跨图像的局部特征对齐损失函数；Ncp表示学生模型S中关键层的总数；因为使用VGG16网络结构的关键层输出的激活值图进行跨图像逐像素计算对齐损失，激活值图是对原始输入的正常图像样本利用卷积核进行了卷积计算，激活值图中的一个像素位置就相当于原始输入的正常图像样本中的至少3*3像素的局部特征； S5.将S4中的局部特征对齐损失函数与S2中蒸馏学习模型的损失函数整合，形成基于跨图像局部特征对齐的蒸馏学习模型的总损失函数；步骤S5所述的形成的基于跨图像局部特征对齐的蒸馏学习模型的总损失函数的表达式为： Ltotal＝L1+γL2 其中，L1表示蒸馏学习模型的损失函数；Ltotal表示基于跨图像局部特征对齐的蒸馏学习模型的总损失函数；γ表示人为设置的超参数； S6.将训练集中的正常图像样本同时输入教师模型T和学生模型S，固定教师模型T的参数不变，以总损失函数作为训练指导，利用教师模型T指导学生模型S进行训练，从而训练蒸馏学习模型，得到训练好的蒸馏学习模型； S7.以测试集的图像样本作为训练好的蒸馏学习模型的输入样本，从总损失函数关于输入样本的梯度出发，利用训练好的蒸馏学习模型对测试集中的图像样本进行缺陷检测及定位。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。