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业大学申请的专利基于多模态先验知识融合的少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：CN119831963B 。

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：202411914324.6，技术领域涉及：G06T7/00；该发明授权基于多模态先验知识融合的少样本工业异常检测方法是由杨光磊;马弘驰;左旺孟;赵德斌设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于多模态先验知识融合的少样本工业异常检测方法在说明书摘要公布了：基于多模态先验知识融合的少样本工业异常检测方法，属于计算机视觉中的工业异常检测领域。解决了传统的异常检测方法未能充分考虑不同样本间的细微差异、以及缺乏对全局信息的有效利用的问题。本发明引入了一种创新的视觉‑语言先验融合方法，这一方法的核心在于两项主要创新：构建视觉‑语言先验融合模块和类内平衡模块。通过对视觉‑语言信息以及参考样本图像所对应的图像级参考特征和图块级参考特征图的有效利用，引入视觉‑语言先验融合和类内特征平衡两个核心创新组件，融合视觉先验与语言先验信息、并平衡类内的变化，实现更精准的工业异常检测。本发明主要应用在工业异常检测。

本发明授权基于多模态先验知识融合的少样本工业异常检测方法在权利要求书中公布了：1.基于多模态先验知识融合的少样本工业异常检测方法，其特征在于，包括如下步骤： 训练阶段： 构建训练样本集，训练样本集中每个训练样本包括一个待测样本图像、以及该待测样本图像所对应的提示词和真值分割图，并将各训练样本中的待测样本图像和提示词作为模型输入数据，该训练样本中真值分割图作为模型输出数据；其中，训练样本集中待测样本图像包括正常样本图像和异常样本图像，并且正常样本图像所对应的提示词作为正提示词，异常样本图像所对应的提示词作为负提示词； 利用各训练样本对所构建的视觉‑语言先验融合模型进行训练，训练过程中视觉‑语言先验融合模型用于根据各训练样本中的待测样本图像和该待测样本图像所对应的提示词，输出多个图像级视觉特征、多个拼接后图块特征图和多个语言先验分割图，并根据各语言先验分割图与待测样本图像所对应的真值分割图之间的偏差，更新视觉‑语言先验融合模型参数，完成训练；其中，图像级视觉特征、拼接后图块特征图和语言先验分割图个数相同，且存在一一对应关系； 推理阶段： 将当前待测样本图像和其所对应的提示词输入训练后的视觉‑语言先验融合模型后，输出多个图像级视觉特征、多个拼接后图块特征图和多个语言先验分割图； 将所有语言先验分割图进行求和取平均后，生成的标准分割图送至加法器； 通过预训练的通用视觉编码器对个参考样本图像进行编码，得到每个参考样本图像所对应的多个图块级参考特征图和1个图像级参考特征送至所构建的类内平衡模块；为小于或等于4的整数； 通过所构建的类内平衡模块将各图像级视觉特征和其所对应的拼接后图块特征图分别与各参考样本图像所对应的图像级参考特征和多个图块级参考特征图进行特征对比分析，输出各图像级视觉特征所对应的异常区域位置信息图；其中，各参考样本图像所对应的多个图块级参考特征图与各图像级视觉特征所对应的所有图块级视觉特征图的个数相同； 将所有的异常区域位置信息图求和取平均后，生成的标准异常区域位置信息图送至加法器；加法器对接收的标准分割图和标准异常区域位置信息图逐元素相加后，生成异常图，完成异常检测。

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业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。