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！

龙图腾网获悉广东工业大学申请的专利基于预训练模型的产品缺陷无监督语义分割方法及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：CN119600296B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411771409.3，技术领域涉及：G06V10/26；该发明授权基于预训练模型的产品缺陷无监督语义分割方法及装置是由许亮;陈家祥设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本基于预训练模型的产品缺陷无监督语义分割方法及装置在说明书摘要公布了：本发明公开了一种基于预训练模型的产品缺陷无监督语义分割方法及装置，用于解决现有的工业缺陷无监督语义分割方法导致缺陷分类精度不够理想的技术问题。方法包括获取待检测工业产品图像、待检测工业产品图像对应的工业产品参考图像和多个待匹配缺陷类别；采用基于缺陷潜空间特征的自学习点生成提示器的预置分割网络根据待检测工业产品图像和工业产品参考图像，生成目标缺陷分割掩码，并基于目标缺陷分割掩码，生成目标裁剪图像，能够生成具有视觉提示的目标裁剪图像，再通过基于自学习缺陷类别提示模块和缺陷图文跨模态特征交互模块的预置缺陷分类网络对目标裁剪图像和多个待匹配缺陷类别进行处理，将分割和分类相结合，从而提高了缺陷分类精度。

本发明授权基于预训练模型的产品缺陷无监督语义分割方法及装置在权利要求书中公布了：1.一种基于预训练模型的产品缺陷无监督语义分割方法，其特征在于，包括： 获取待检测工业产品图像、所述待检测工业产品图像对应的工业产品参考图像和多个待匹配缺陷类别； 将所述待检测工业产品图像、所述工业产品参考图像和多个所述待匹配缺陷类别输入至预置无监督分割网络框架；所述预置无监督分割网络框架由基于缺陷潜空间特征的自学习点生成提示器的预置分割网络和基于自学习缺陷类别提示模块和缺陷图文跨模态特征交互模块的预置缺陷分类网络组成； 采用基于缺陷潜空间特征的自学习点生成提示器的预置分割网络根据所述待检测工业产品图像和所述工业产品参考图像，生成目标缺陷分割掩码，并基于所述目标缺陷分割掩码，生成目标裁剪图像； 采用基于自学习缺陷类别提示模块和缺陷图文跨模态特征交互模块的预置缺陷分类网络根据所述目标裁剪图像和多个所述待匹配缺陷类别进行图像文本特征提取，输出所述目标裁剪图像对应的图像特征和各所述待匹配缺陷类别对应的文本特征； 将所述图像特征分别与各所述文本特征进行匹配度计算，输出各所述文本特征对应的匹配度； 选取最大的匹配度对应的文本特征关联的缺陷类别作为所述待检测工业产品图像对应的缺陷分类结果； 所述基于自学习缺陷类别提示模块和缺陷图文跨模态特征交互模块的预置缺陷分类网络包括自学习缺陷类别提示模块和缺陷图文跨模态特征交互模块；所述采用基于自学习缺陷类别提示模块和缺陷图文跨模态特征交互模块的预置缺陷分类网络根据所述目标裁剪图像和多个所述待匹配缺陷类别进行图像文本特征提取，输出所述目标裁剪图像对应的图像特征和各所述待匹配缺陷类别对应的文本特征，包括： 采用自学习缺陷类别提示模块根据各所述待匹配缺陷类别，确定多个目标可学习提示特征； 通过缺陷图文跨模态特征交互模块根据各所述目标可学习提示特征和所述目标裁剪图像，生成各所述目标可学习提示特征对应的文本特征和所述目标裁剪图像对应的图像特征； 所述采用自学习缺陷类别提示模块根据各所述待匹配缺陷类别，确定多个目标可学习提示特征，包括： 对各所述待匹配缺陷类别进行初始化，生成各所述待匹配缺陷类别对应的缺陷文本提示短句； 采用预置字符字典分别对各所述缺陷文本提示短句进行转换，输出各所述缺陷文本提示短句对应的单词索引向量； 对各所述单词索引向量进行映射，输出各所述单词索引向量对应的连续词嵌入向量； 基于各所述连续词嵌入向量，确定各所述连续词嵌入向量对应的目标可学习提示特征； 所述缺陷图文跨模态特征交互模块包括文本特征编码器和图像特征编码器；所述通过缺陷图文跨模态特征交互模块根据各所述目标可学习提示特征和所述目标裁剪图像，生成各所述目标可学习提示特征对应的文本特征和所述目标裁剪图像对应的图像特征，包括： 将各所述目标可学习提示特征分别作为文本特征编码器的输入，输出各所述目标可学习提示特征对应的文本特征； 将所述目标裁剪图像作为图像特征编码器的输入，输出图像特征。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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。