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！

龙图腾网恭喜华侨大学申请的专利掩模与语义协同优化扩散模型的石材表面瑕疵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：CN119477922B 。

龙图腾网通过国家知识产权局官网在2025-04-22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：202510067481.6，技术领域涉及：G06T7/00；该发明授权掩模与语义协同优化扩散模型的石材表面瑕疵检测方法是由郑锦杰;陈龙涛;曾焕强;黄诚惕;傅玉青;黄德天;廖国兴设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本掩模与语义协同优化扩散模型的石材表面瑕疵检测方法在说明书摘要公布了：本发明提供掩模与语义协同优化扩散模型的石材表面瑕疵检测方法，属于瑕疵检测领域，包括：获取数据集；将输入图片输入编码器以得到输入表征，对输入表征进行高斯噪声向前扩散得到全噪声表征；将各输入表征与掩模图片点乘后输入掩模引导的知识提炼网络以生成掩模表征；将输入表征输入含多维特征金字塔的语义引导增强网络以得到语义表征；将全噪声表征、掩膜表征和语义表征进行拼接后，进行反向扩散以逐步去除噪声，并解码生成重建图片；将输入图片及其对应的重建图片均输入特征提取网络，进而计算得到异常得分；根据异常得分进行排序并形成异常得分列表，将异常得分列表对应的输入图片的热力图反馈至用户。本发明能够有效提升对瑕疵的检测精度。

本发明授权掩模与语义协同优化扩散模型的石材表面瑕疵检测方法在权利要求书中公布了：1.掩模与语义协同优化扩散模型的石材表面瑕疵检测方法，其特征在于：包括如下步骤：步骤S1.1、获取包含瑕疵的石材表面图片，将石材表面图片中不包含瑕疵的区域作为正样本图片、包含瑕疵的目标区域作为负样本图片，并获取正样本图片和负样本图片对应的掩模图片，由正样本图片、负样本图片和掩模图片组成数据集；步骤S1.2、扩散前向传播步骤：分别将数据集中的正样本图片和负样本图片作为输入图片输入编码器以得到输入表征，对输入表征进行高斯噪声向前扩散以使其逐步向完全随机噪声靠近，得到全噪声表征；步骤S1.3、掩模表征蒸馏步骤：将各输入图片得到的输入表征与相应输入图片对应的掩模图片点乘后，输入掩模引导的知识提炼网络，使知识提炼网络的学生模型学习掩模教师模型，以生成掩模表征；步骤S1.4、语义表征生成步骤：将输入表征输入含多维特征金字塔的语义引导增强网络，由语义引导增强网络逐步精确定位到瑕疵区域，得到语义表征；步骤S1.5、扩散反向去噪步骤：将所述全噪声表征、掩膜表征和语义表征进行拼接后，进行反向扩散以逐步去除噪声，并解码生成重建图片；步骤S1.6、异常得分计算步骤：将数据集中的输入图片及其对应的重建图片均输入特征提取网络，得到不同尺度的特征图，并对于不同尺度的特征图进行余弦相似度计算得到异常得分；步骤S1.7、异常排序机制可视化步骤：对各输入图片对应的异常得分进行排序，由大于设置的异常阈值的异常得分形成异常得分列表，将异常得分列表对应的输入图片的热力图反馈至用户；所述步骤S1.2中，根据公式得到全噪声表征，其中，表示输入表征，表示编码器，X表示输入图片，表示平均反噪声强度，表示输入图片的第i个像素点对应的反噪声强度，表示输入图片的第i个像素点对应的噪声强度，T表示输入图片中的像素点数量，表示连乘运算，表示服从[0,1]正态分布的随机高斯噪声；所述步骤S1.3具体包括如下步骤：步骤S1.31、根据公式得到掩膜的潜在表征M0，其中，Mask表示输入图片X对应的掩模图片；步骤S1.32、将掩模的潜在表征M0分别输入知识提炼网络的掩模教师模型和学生模型，并设计总体损失函数对知识提炼网络进行训练，得到知识蒸馏后的学生模型参数，进而生成掩模表征，其中，总体损失函数表示为，为MSE均方误差，表示欧几里得距离，表示潜在表征M0输入掩模教师模型后得到的教师分布，表示潜在表征M0输入掩模学生模型后得到的学生分布，表示掩模教师模型，表示学生模型，表示Kullback-Leibler散度损失函数，表示Softmax函数，是温度参数，、是权重系数。

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侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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”。