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！

龙图腾网恭喜中科(洛阳)机器人与智能装备研究院申请的专利一种基于双源知识蒸馏的轻量化金属表面缺陷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：CN117540779B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202311587008.8，技术领域涉及：G06N3/0495；该发明授权一种基于双源知识蒸馏的轻量化金属表面缺陷检测方法是由王欣刚;马东佟设计研发完成，并于2023-11-24向国家知识产权局提交的专利申请。

本一种基于双源知识蒸馏的轻量化金属表面缺陷检测方法在说明书摘要公布了：本发明公开一种基于双源知识蒸馏的轻量化金属表面缺陷检测方法，其步骤为：获取待检测金属表面不同类型的缺陷图像和正常图像，按照缺陷类型对图像进行分类；对分类后的图像使用深度学习平台进行标注，生成对应的标签文件，构建待检测金属表面缺陷数据集；对训练集中的图像进行数据预处理，再输入到构建的CU‑Net网络模型中进行训练，获得预训练模型作为教师网络；将教师网络简化为CU‑Nets，再将其作为学生网络，通过知识蒸馏策略从教师网络的特征层和响应层中提取不同类型的知识；根据验证集的测试结果对训练过程中的超参数进行优化，再将训练好的CU‑Nets模型部署到移动终端，实时对金属表面缺陷进行检测。本发明能够快速、高效和高精度地检测出金属的表面缺陷。

本发明授权一种基于双源知识蒸馏的轻量化金属表面缺陷检测方法在权利要求书中公布了：1.一种基于双源知识蒸馏的轻量化金属表面缺陷检测方法，其特征是：其包括以下步骤：S1、获取待检测金属表面不同类型的缺陷图像和正常图像，并按照缺陷类型对图像进行分类；S2、对步骤S1中的分类后的图像使用深度学习平台进行标注，生成对应的标签文件，构建待检测金属表面缺陷数据集；S3、对步骤S2中数据集的训练集中的图像进行数据预处理操作，然后输入到构建的CU-Net网络模型中进行训练，获得预训练模型，作为教师网络；S4、将步骤S3中的教师网络简化为CU-Nets，然后将其作为学生网络，通过知识蒸馏策略从教师网络的特征层和响应层中提取不同类型的知识；包括以下子步骤：S4.1、通过减少级联层的层数、卷积层的数量、压缩通道维度对CU-Net模型进行简化，得到其轻量化版本CU-Nets；S4.2、加载CU-Net模型的预训练权重，将相同的输入图像同时输入到教师网络CU-Net和轻量化学生网络CU-Nets中，提取两个网络相应特征层和响应层的输出；S4.3、将教师网络输出的多尺度分割图作为知识，联合样本的真实标签共同对学生网络进行指导；因此，基于响应层的蒸馏损失定义如下： 其中，β为权衡系数；和分别表示教师网络和学生网络的多尺度分割图；和分别表示教师网络和学生网络融合后的特征；label表示样本的真实标签；S4.4、构建残差学习框架，使得后一层的学生特征去学习前一层的学生特征和教师特征之间的残差，帮助学生网络的深层特征逐步提取有用的信息，因此，基于特征层的蒸馏损失定义如下： 其中，ftx；n和fsx；n分别表示输入图像x在教师网络和学生网络最深层的特征表示；ftx；j和fsx；j分别表示教师网络和学生网络中间第j层的特征表示，μ·表示特征融合模块；S4.5、联合上述的基于响应层和特征层的双源知识蒸馏策略，学生网络CU-Nets在教师网络的指导下进行训练，从教师网络的特征层和响应层中提取不同类型的知识；S5、根据步骤S2中数据集的验证集的测试结果对训练过程中的超参数进行优化，然后将步骤S4中训练好的CU-Nets模型部署到移动终端，实时对金属表面的缺陷进行检测。

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中科(洛阳)机器人与智能装备研究院，其通讯地址为：471000 河南省洛阳市涧西区龙裕路洛阳国家大学科技园1号楼201室；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”。