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！

龙图腾网恭喜南京邮电大学申请的专利基于贝叶斯条件扩散模型的可信表面缺陷检测方法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：CN119399210B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202510014884.4，技术领域涉及：G06T7/00；该发明授权基于贝叶斯条件扩散模型的可信表面缺陷检测方法及设备是由王传栋;陈向龙;郭威;郭思辰;陈蕾设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本基于贝叶斯条件扩散模型的可信表面缺陷检测方法及设备在说明书摘要公布了：本发明的一种基于贝叶斯条件扩散模型的可信表面缺陷检测方法及设备，包括构建训练数据集和测试数据集；构建基于条件扩散模型的不确定性感知的工业产品表面缺陷检测模型并训练，将测试图片输入到上述模型中进行检测，分别得到输入结果的缺陷预测图像、不确定性预测图像；将原始输入图像，缺陷预测结果与不确定性预测结果进行整理，得到第二次迭代时的条件引导图像；将得到的条件引导图像、待检测图像输入到条件扩散模型中，得到最终的缺陷预测图像以及不确定性度量。本发明基于拉普拉斯近似，对模型生成的结果进行不确定性度量，并利用输出结果的不确定性优化检测结果，紧接着进行迭代提高最终检测结果的可信度。

本发明授权基于贝叶斯条件扩散模型的可信表面缺陷检测方法及设备在权利要求书中公布了：1.一种基于贝叶斯条件扩散模型的可信表面缺陷检测方法，其特征在于：包括以下步骤：步骤1，构建含有正常样本的训练数据集，含有正常样本以及缺陷样本的测试数据集；步骤2，构建基于条件扩散模型的不确定性感知的工业产品表面缺陷检测模型；步骤3，训练步骤2构建的工业产品表面缺陷检测模型；步骤4，将测试图片输入到上述工业产品表面缺陷检测模型中进行检测，分别得到输入结果的缺陷预测图像、不确定性预测图像；步骤5，将原始输入图像，缺陷预测结果与不确定性预测结果进行整理，得到第二次迭代时的条件引导图像；步骤6，将得到的条件引导图像、待检测图像输入到工业产品表面缺陷检测模型中，得到最终的缺陷预测图像以及不确定性度量；步骤2中，包括：特征提取网络的构建；选用ResNet-34网络作为特征提取网络，将输入图像经过ResNet-34网络的第二和第三残差块以提取深层次特征图；扩散模型网络最后一层参数分布使用拉普拉斯近似拟合；定义网络的最后一层服从高斯分布，其中表示网络参数的极大后验估计点，为关于极大似然损失的Hessian矩阵；条件扩散模型的构建；条件扩散模型在去噪过程中利用引导图像进行控制，根据迭代的次数不同，加入不同强度的噪声，分别针对大型和小型缺陷的识别；步骤3中，包括：训练扩散模型网络并得到最后一层权重参数的分布，使用如下公式计算最后一层权重参数的后验分布： 公式1 为网络的参数，为网络参数的先验分布，分别代表输入数据和标签数据，表示待测数据经过网络模型得到的结果，代表网络模型，表示N个结果连乘；将作为损失函数进行训练得到网络参数的极大后验估计点，得到参数的后验近似高斯分布，其中H为关于的hessian矩阵；训练特征提取网络的方法；将图像输入到经过训练的条件扩散模型中，获取重建图像，为图片的尺寸大小；使用如下损失函数对特征提取网络进行微调： 公式2 为特征图相似性损失，用于最小化重建图像和目标图像之间的特征差异，以捕捉二者的相似特征；为超参数，为蒸馏损失，控制蒸馏损失在总损失中的比重；分别为输入图像和重建图像。

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南京邮电大学，其通讯地址为：210000 江苏省南京市栖霞区文苑路9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”。