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！

龙图腾网获悉华南理工大学申请的专利基于文本引导的零样本工业缺陷检测方法、设备及介质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：CN119784670B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411558780.1，技术领域涉及：G06T7/00；该发明授权基于文本引导的零样本工业缺陷检测方法、设备及介质是由蒋乐;徐震;黄艳;吴斯设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本基于文本引导的零样本工业缺陷检测方法、设备及介质在说明书摘要公布了：本发明公开了一种基于文本引导的零样本工业缺陷检测方法、设备及介质，其中方法包括：获取工业产品的图像以及文本语义标签，构建训练集和测试集；构建基于文本引导的零样本工业缺陷检测模型，采用训练集对模型进行训练；将测试集输入训练后的模型中进行测试；其中，在训练阶段，模型利用部分种类的工业产品中的缺陷信息，学习并扩展到其他工业产品的统一文本提示；在测试阶段，模型能够在从未训练过的工业产品种类上进行测试，检测其是否存在缺陷并定位缺陷。本发明充分利用预训练多模态大模型CLIP中蕴含的先验知识，使模型能够自适应地学习针对不同物体的通用文本提示，实现对各种工业产品的零样本缺陷检测，可广泛应用于计算机视觉技术领域。

本发明授权基于文本引导的零样本工业缺陷检测方法、设备及介质在权利要求书中公布了：1.一种基于文本引导的零样本工业缺陷检测方法，其特征在于，包括以下步骤： 获取工业产品的图像以及文本语义标签，构建训练集和测试集； 构建基于文本引导的零样本工业缺陷检测模型，采用训练集对所述零样本工业缺陷检测模型进行训练；其中，所述零样本工业缺陷检测模型的输入为待分割图像，输出为缺陷分割结果和分类结果； 将测试集输入训练后的零样本工业缺陷检测模型中进行测试； 其中，在训练阶段，零样本工业缺陷检测模型利用部分种类的工业产品中的缺陷信息，学习并扩展到其他工业产品的统一文本提示；在测试阶段，零样本工业缺陷检测模型能够在从未训练过的工业产品种类上进行测试，检测其是否存在缺陷并定位缺陷； 所述零样本工业缺陷检测模型包括输入层、隐藏层和输出层；隐藏层包括CLIP预训练模块、可学习提示模块、自适应提示模块、图像‑文本特征交互模块、分割和分类任务模块； 所述CLIP预训练模块的工作方式为：将CLIP的预训练图像编码器和文本编码器分别记为EI和ET；将图像In输入图像编码器EI，得到输出特征FI作为图像分类特征，从EI中获取第{l1,l2,l3,l4}层的中间层特征列表{FP1,FP2,FP3,FP4}作为图像缺陷分割特征FP； 所述可学习提示模块包括多个可学习文本提示张量和CLIP预训练文本编码器ET；可学习文本提示张量分为缺陷提示PA和非缺陷提示PN；将PA和PN并行输入ET作为嵌入后的张量，得到多个缺陷提示的分类特征FA和非缺陷提示的分类特征FN； 所述自适应提示模块由一个Meta模块和一个多层感知机组成；Meta模块的输入为图像特征FI、多个缺陷提示的分类特征FA和非缺陷提示的分类特征FN，输出为与输入图像相关联的多个缺陷提示的分类特征FAI和非缺陷提示的分类特征FNI；多层感知机的输入为更新后的多个缺陷提示的分类特征FAI和非缺陷提示的分类特征FNI，输出为单个缺陷提示的分类特征FAT和非缺陷提示的分类特征FNT； 所述图像‑文本特征交互模块的输入为图像分类特征FI、图像缺陷分割特征FP、单个缺陷提示的分类特征FAT和非缺陷提示的分类特征FNT，输出为重构后的图像分类特征FI′、图像缺陷分割特征FP′； 所述分割和分类任务模块由分割任务模块和分类任务模块组成；在分割任务模块中，模块的输入为图像缺陷分割特征FP′、单个缺陷提示的分类特征FAT和非缺陷提示的分类特征FNT，输出为缺陷提示和非缺陷提示对应的模型分割结果MA和MN；在分类任务模块中，模块的输入为图像分类特征FI′、单个缺陷提示的分类特征FAT和非缺陷提示的分类特征FNT，输出为图像中存在缺陷的概率PA和图像中不存在缺陷的概率PN。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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”。