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！

龙图腾网获悉龙岩学院申请的专利一种金属表面缺陷特征分布不均的分割方法、系统及设备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：CN120279012B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202510756607.0，技术领域涉及：G06T7/00；该发明授权一种金属表面缺陷特征分布不均的分割方法、系统及设备是由张继炎;丁汉泽;彭明;刘艳芳设计研发完成，并于2025-06-09向国家知识产权局提交的专利申请。

本一种金属表面缺陷特征分布不均的分割方法、系统及设备在说明书摘要公布了：本发明公开了一种金属表面缺陷特征分布不均的分割方法、系统及设备，该分割方法为一种基于GraphTransformer的小样本分割方法；与现有基于图节点和边的GraphTransformer不同，本发明中GraphTransformer利用基于Patch的图嵌入技术和基于全局‑局部图的Transformer技术，建模复杂、随机的金属表面缺陷特征分布。本发明通过GraphTransformer解决金属表面缺陷特征分布存在的复杂性和随机性问题，为小样本金属表面缺陷分割实际落地提供了新的解决方案，使分割性能和分析结果能够更贴合任务需求，具有良好的应用前景。

本发明授权一种金属表面缺陷特征分布不均的分割方法、系统及设备在权利要求书中公布了：1.一种金属表面缺陷特征分布不均的分割方法，其特征在于，该方法为基于GraphTransformer的小样本金属表面缺陷分割算法，所述GraphTransformer利用基于Patch的图嵌入技术和基于全局-局部图的Transformer技术，建模复杂、随机的金属表面缺陷特征分布； 所述基于Patch的图嵌入技术通过卷积、降维和线性激活操作，将输入特征划分成多个等尺寸Patch后嵌入到图结构中； 所述基于全局-局部图的Transformer技术将支撑-查询对的全局图和局部图嵌入到查询、键、值中，以实现自注意力机制；其中，支撑-查询对为小样本元学习框架中的任务设置；查询、键、值属于Transformer框架，用于计算注意力分数 所述自注意力机制通过局部图的查询、键计算不同Patch下的注意力分数，并共同作用于局部图的值和全局图的查询、键、值，以实现对缺陷拓扑结构的关注； 所述基于GraphTransformer的小样本金属表面缺陷分割算法，包括Patch编码器、图编码器、GraphTransformer和残差解码器； Patch编码器上设置有FPN编码器和Patch嵌入层；FPN编码器将1-wayK-shot支撑-查询对样本编码为1个查询特征和1个支撑特征； Patch嵌入层利用查询特征、支撑特征和支撑特征对应的掩码，通过尺度线性激活层划分为等尺寸的查询Patches、支撑Patches和掩码化支撑Patches；查询Patches、支撑Patches和掩码化支撑Patches的尺寸由超参数控制，保证其宽高能被支撑-查询对特征的宽高整除；支撑-查询对特征的宽高由输入图像的尺寸和FPN编码器决定； 图编码器融合查询Patches和支撑Patches并通过图变换层编码到全局图中，同时图编码器融合查询Patches和掩码化支撑Patches并通过图变换层编码到局部图中，接着通过图卷积网络分别提取全局图和局部图的特征； 全局图和局部图将每个Patches视为节点、每个Patch的通道特征视为该节点包含的信息以及Patches之间的相对位置关系视为边权； GraphTransformer将全局图和局部图嵌入到基于查询、键、值范式的多头注意力中，计算缺陷拓扑结构对应的注意力分数，并分别注入全局图和局部图中； 残差解码器设置有映射层和残差解码层；映射层将经过GraphTransformer的全局图和局部图从图空间映射回特征空间，得到全局特征和局部特征；其中，图空间用于描述GraphTransformer所在空间；特征空间用于描述Patch编码器、图编码器和残差解码器所在空间； 残差解码层融合全局特征、局部特征和查询特征，并解码为最终的预测结果，用于计算二元交叉熵损失；残差解码层还单独解码局部特征得到中间预测结果，用于计算图结构对齐损失。

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龙岩学院，其通讯地址为：364000 福建省龙岩市新罗区东肖北路1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。