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！

龙图腾网获悉陕西科技大学申请的专利基于扩散模型的无监督学习药片缺陷检测方法及相关装置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：CN120182256B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202510650415.1，技术领域涉及：G06T7/00；该发明授权基于扩散模型的无监督学习药片缺陷检测方法及相关装置是由刘伟峰;张梦凡;苑学毅设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本基于扩散模型的无监督学习药片缺陷检测方法及相关装置在说明书摘要公布了：本发明提供了一种基于扩散模型的无监督学习药片缺陷检测方法及相关装置，属于药片缺陷检测技术领域。本发明方法先利用辅助重建网络提取原始的药片图像的语义信息，再利用提取的原始的药片图像的语义信息辅助扩散模型去噪网络对得到的潜在空间向量进行重建，得到重建的药片图像；对原始的药片图像和重建的药片图像分别进行特征提取，得到原始的药片图像特征和重建的药片图像特征；利用原始的药片图像特征和重建的药片图像特征，计算不同尺度的欧式距离与余弦距离；将不同尺度的余弦距离与欧式距离进行加权，得到异常分数；根据异常分数对药片缺陷进行检测，得到药片缺陷检测结果。本发明解决了重建效果不佳、检测准确率不高的问题。

本发明授权基于扩散模型的无监督学习药片缺陷检测方法及相关装置在权利要求书中公布了：1.一种基于扩散模型的无监督学习药片缺陷检测方法，其特征在于，包括以下步骤： 获取原始的药片图像； 对原始的药片图像进行编码处理，得到潜在空间向量； 构建扩散模型去噪网络和辅助重建网络，先利用辅助重建网络提取原始的药片图像的语义信息，再利用提取的原始的药片图像的语义信息辅助扩散模型去噪网络对得到的潜在空间向量进行重建，得到重建的药片图像； 对原始的药片图像和重建的药片图像分别进行特征提取，得到原始的药片图像特征和重建的药片图像特征； 所述对原始的药片图像和重建的药片图像分别进行特征提取，得到原始的药片图像特征和重建的药片图像特征，具体包括： 采用残差网络对原始的药片图像和重建的药片图像分别进行特征提取，得到若干个不同尺度大小的最初原始的药片图像特征和最初重建的药片图像特征； 采用特征金字塔网络对若干个不同尺度大小的最初原始的药片图像特征和最初重建的药片图像特征分别进行融合，得到原始的药片图像特征和重建的药片图像特征； 采用残差网络对原始的药片图像和重建的药片图像分别进行特征提取，得到若干个不同尺度大小的最初原始的药片图像特征和最初重建的药片图像特征的步骤中，还在残差网络的每个残差块增加卷积注意力模块； 利用原始的药片图像特征和重建的药片图像特征，计算不同尺度的余弦距离与欧式距离，所述尺度指的是原始的药片图像特征和重建的药片图像特征的尺寸； 将不同尺度的余弦距离与欧式距离进行加权，得到异常分数； 根据异常分数对药片缺陷进行检测，得到药片缺陷检测结果。

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陕西科技大学，其通讯地址为：710021 陕西省西安市未央区大学园；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”。