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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);山东山科智控科技创新有限公司申请的专利基于多视图编码和特征记忆库的木材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：CN121708008B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202610194248.9，技术领域涉及：G06T7/00；该发明授权基于多视图编码和特征记忆库的木材表面缺陷检测方法是由王帮灵;郝凤琦;丁青艳;张让勇;郝慧娟;尹亚南设计研发完成，并于2026-02-11向国家知识产权局提交的专利申请。

本基于多视图编码和特征记忆库的木材表面缺陷检测方法在说明书摘要公布了：本发明属于图像数据处理的技术领域，更具体地，涉及一种基于多视图编码和特征记忆库的木材表面缺陷检测方法。所述方法包括：获取原始木材数据集，并对其中的原始木材图像进行预处理，将原始木材图像转换为Lab图像；构建木材表面缺陷检测模型对Lab图像进行处理，得到正常特征核心集；当异常检测框架构建完成并获得特征核心集后，将待检测的木材表面图像输入到木材表面缺陷检测模型提取局部特征，并计算每个局部特征与所述正常特征核心集中特征之间的最近邻距离，基于所述最近邻距离生成所述待检测图像的异常热图，以实现缺陷的检测与像素级定位。本发明解决了木材表面缺陷类型多样、异常样本难以覆盖、标注成本高的问题。

本发明授权基于多视图编码和特征记忆库的木材表面缺陷检测方法在权利要求书中公布了：1.一种基于多视图编码和特征记忆库的木材表面缺陷检测方法，其特征在于，所述方法包括： S1、获取原始木材数据集，并对其中的原始木材图像进行预处理，将原始木材图像转换为Lab图像； S2、构建木材表面缺陷检测模型对Lab图像进行处理，得到正常特征核心集，包括： 搭建对比多视图编码器，并利用预处理得到的Lab图像构建正负样本对所述编码器进行预训练；所述对比多视图编码器使用双分支结构，两个分支分别有一个参数独立的半通道宽度的ResNet50网络，一条分支处理L视图，另一条分支处理ab视图； 构建异常检测框架，将预训练完成且已冻结参数的对比多视图编码器嵌入其中作为特征编码模块用于特征提取，基于提取到的特征，引入轻量化色度能量门控模块与双分支多层次特征融合模块进行特征适配与融合，得到正常样本的局部特征集合并构成正常特征记忆库，随后结合聚类引导的贪婪核心集子采样算法，选取正常特征核心集； 所述S2中，引入轻量化色度能量门控模块与双分支多层次特征融合模块进行特征适配与融合，得到正常样本的局部特征集合并构成正常特征记忆库，具体是指： 基于色度能量的轻量化门控模块，分别将编码器和层的ab分支特征图，利用其自身的色度能量生成权重图，并对ab分支特征图进行逐元素加权得到调整后的特征图，其中，；计算形式如下： 其中表示逐元素相乘；表示权重调整后的层特征图，将此特征图作为ab分支的特征图进行后续融合压缩操作； 编码器的和层得到权重调整后特征图后，在层得到对应特征图和权重调整后的特征图，接着进入双分支多层次特征融合模块，先在同一网络层级内，将二者沿通道维度进行拼接，形成完整的Lab融合特征图，先将两层缩放至同一空间大小，随后对不同层级的进行跨层融合与压缩，具体的：以Layer2层作为目标网格尺寸，并将Layer1层的局部特征网格通过双线性插值对齐到参考层网格，随后将两层特征进行跨层通道拼接，并通过自适应池化映射将拼接特征压缩至1024维，获得正常样本的局部特征集合，并利用该局部特征集合构成正常特征记忆库； S3、当异常检测框架构建完成并获得特征核心集后，将待检测的木材表面图像输入到木材表面缺陷检测模型提取局部特征，并计算每个局部特征与所述正常特征核心集中特征之间的最近邻距离，基于所述最近邻距离生成所述待检测图像的异常热图，以实现缺陷的检测与像素级定位。

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齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);山东山科智控科技创新有限公司，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；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。