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！

龙图腾网获悉南京信息工程大学申请的专利基于知识蒸馏的零样本工业异常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：CN120298397B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510765559.1，技术领域涉及：G06T7/00；该发明授权基于知识蒸馏的零样本工业异常检测方法是由江结林;袁得建;魏顺;邵禹豪;刘西应;许小龙设计研发完成，并于2025-06-10向国家知识产权局提交的专利申请。

本基于知识蒸馏的零样本工业异常检测方法在说明书摘要公布了：本发明公开了基于知识蒸馏的零样本工业异常检测方法，属于图像检测技术领域。该方包括训练阶段和测试阶段；在训练阶段中，选取任一类别工业产品中的正常工业图像和异常工业图像；构建知识蒸馏网络架构，包括教师模型、学生模型、图像编码器和文本编码器；利用训练集数据对教师模型进行训练，将训练好的教师模型中的知识转移到学生模型中；在测试阶段中，构建工业异常检测模型，将测试集中的待检测图片输入至工业异常检测模型中，得到检测结果。本发明能够在未知类别、异常形态多样的工业检测任务中实现高效的零样本异常检测，为工业视觉检测提供了一种高效、泛化性强、鲁棒性优越的解决方案。

本发明授权基于知识蒸馏的零样本工业异常检测方法在权利要求书中公布了：1.基于知识蒸馏的零样本工业异常检测方法，其特征在于，包括训练阶段和测试阶段； 训练阶段包括以下步骤： 选取任一类别工业产品中的正常工业图像和异常工业图像，进行预处理后，构建成训练集； 构建知识蒸馏网络架构，包括教师模型、学生模型、图像编码器和文本编码器，其中教师模型采用预训练的DINO模型，学生模型包括轻量级特征匹配模块和文本注意力模块； 利用训练集数据对教师模型进行训练，将训练好的教师模型中的知识转移到学生模型中； 测试阶段包括以下步骤： 构建工业异常检测模型，将测试集中的待检测图片输入至工业异常检测模型中，得到检测结果；其中工业异常检测模型包括图像编码器、学生模型和文本编码器； 利用训练集数据对教师模型进行训练，将训练好的教师模型中的知识转移到学生模型中的步骤包括： 将训练集中待检测图像输入至图像编码器中，得到四层待检测图像特征，其中为第一层图像特征，为第二层图像特征，为第三层图像特征，为第四层图像特征； 对四层待检测图像特征进行处理，得到对应的相关性矩阵，公式为： ， 式中，为矩阵的转置矩阵； 将相关性矩阵输入至轻量级特征匹配模块进行特征转换，得到特征图，公式为： ， 式中，表示由两层归一化卷积层组成； 将同样的待检测图像输入至预训练的DINO模型，得到四层待检测图像特征，其中为第一层图像特征，为第二层图像特征，为第三层图像特征，为第四层图像特征； 计算DINO模型输出的四层特征各自点积后的相关性矩阵，公式为： ， 式中，为矩阵的转置矩阵； 采用二元交叉熵损失BCE计算图像编码器输出转换后的相关性矩阵与DINO模型输出转换后的相关性矩阵之间的差异，公式为： ， 式中，表示二元交叉熵损失； 利用训练轻量级特征匹配模块，选择损失最小的模型作为最终的轻量级特征匹配模块； 将第四层图像特征进行处理后输入至3个不同并行分支的多尺度特征映射模块中，得到特征图，使特征图的维度与文本编码器相同； 将待检测图像的正常状态与异常状态构造成固定格式的文本提示模板，并将特征图对齐到文本嵌入空间； 生成待检测图像的异常粗热力图； 将待检测图像的正常状态与异常状态构造成固定格式的文本提示模板，并将特征图对齐到文本嵌入空间的步骤包括： 构造成固定格式的文本提示模板H，表示为： ， 式中，是固定文本部分，表示物体的状态，包括good和damaged，对应正常和异常；表示r个可学习类别标记； 通过文本提示模板H生成正常与异常文本，分别表示为： ， ， 将正常文本和异常文本映射到嵌入空间，分别得到特征图，其中C表示文本编码器的嵌入维度，表示文本长度； 将特征图使用全局平均池化进行降维，以提取全局特征，得到特征图，公式为： ， 式中，表示全局平均池化操作； 将表示为，然后通过残差相加以更新类别标记，表示为： ， 式中，表示初始化时随机生成的标记； 更新后的类别标记被重新注入到正常文本与异常文本中，形成视觉引导后的文本，分别表示为： ， ， 式中，表示视引导后的正常文本，表示视引导后的异常文本； 将和通过文本编码器映射到嵌入空间，得到最终的正常文本特征和异常文本特征，分别表示为： ， ， 式中，表示线性变换操作，表示归一化操作。

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南京信息工程大学，其通讯地址为：211899 江苏省南京市江北新区华富路1号数智溪谷4号楼；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”。