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！

龙图腾网获悉华南农业大学申请的专利基于变分自编码器与去噪网络的多类别缺陷检测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：CN119516249B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411464089.7，技术领域涉及：G06V10/764；该发明授权基于变分自编码器与去噪网络的多类别缺陷检测方法及装置是由梁云;黄俊杰;胡志光;洪波;梁启民;高旺设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本基于变分自编码器与去噪网络的多类别缺陷检测方法及装置在说明书摘要公布了：本发明公开了一种基于变分自编码器与去噪网络的多类别缺陷检测方法及装置，方法包括：获取工业产品表面缺陷图像并进行预处理，构建训练集和验证集；方法的训练过程分为两个阶段：第一阶段，将预处理后的训练图像输入变分自编码器进行训练，学习图像的特征分布，并通过重建图像来捕捉正常图像的特征。第二阶段，利用去噪网络与特征引导模块在变分自编码器的特征空间中对图像特征进行二次重建，从而增强模型的重建能力和多类别重建能力；在推理阶段，通过特征提取器提取原始图像与重建图像的多尺度特征，进行特征比对，生成异常评分图。本发明在增强变分自编码器重建能力的同时保留正常信息，有效减少重建失败而导致的缺陷漏检。

本发明授权基于变分自编码器与去噪网络的多类别缺陷检测方法及装置在权利要求书中公布了：1.基于变分自编码器与去噪网络的多类别缺陷检测方法，其特征在于，包括下述步骤： 获取工业产品表面缺陷图像并进行预处理，构建训练集和验证集； 构建图像重建模型，所述图像重建模型包括依次连接的变分编码器、特征引导网络、去噪网络和变分解码器；所述变分编码器用于提取图像的紧凑特征，并学习图像特征分布；所述特征引导网络通过提取变分编码器特征与去噪网络进行信息交互，引导去噪网络进行多类别正确重建；所述去噪网络在特征空间中进一步对图像特征进行二次重建，以增强图像重建模型的重建能力；所述变分解码器用于根据潜空间的特征进行图像的初步重建；所述构建图像重建模型，具体为： 使用预训练的变分编码器将输入图像x压缩到潜在空间表示z，并提取出中间层特征fi，其中z通过添加噪声的部分正向扩散过程生成扰动的潜在变量zt；fi输入特征引导网络以对去噪网络进行引导； 将zt输入去噪网络，通过一步逆扩散过程输出重建的潜在表示并利用预训练的变分解码器将还原至原始图像水平，得到重建图像 利用训练集对所述图像重建模型进行分阶段训练，具体包括：第一阶段训练变分编码器和变分解码器，以学习正常图像的特征分布与重建；第二阶段训练去噪网络，以进一步优化图像特征的重建效果； 设计多尺度特征提取比对网络提取输入图像和重建图像的多尺度特征进行对比，并输出异常评分图，基于该评分图实现缺陷定位；所述多尺度特征提取比对网络，在推理阶段，将输入的原始图像x与重建图像通过预训练的特征提取器提取特征，并通过计算不同尺度特征图的余弦相似度来生成异常评分图异常分数通过对所有特征层的评分进行加权求和计算得到； 所述异常评分图的计算公式如下： 其中，n表示特征提取层，为预训练的特征提取器提取的第n层特征，异常评分通过对所有特征层的评分进行加权求和计算得到： 其中，σn为用于保持像素空间维度一致的上采样因子，N为推理过程中使用的特征层集合； 将验证集输入由图像重建模型和多尺度特征提取比对网络组成的缺陷检测模型进行验证测试，评估缺陷检测模型的检测性能，并基于评估后的缺陷检测模型实现实际工业场景中的多类别缺陷检测。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483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。