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！

龙图腾网恭喜广东工业大学申请的专利一种基于注意力生成对抗网络的工业品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：CN115393333B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202211056663.6，技术领域涉及：G06T7/00；该发明授权一种基于注意力生成对抗网络的工业品表面缺陷检测方法是由邵长城;张成科设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种基于注意力生成对抗网络的工业品表面缺陷检测方法在说明书摘要公布了：本发明属于缺陷检测方法技术领域，提出一种基于注意力生成对抗网络的工业品表面缺陷检测方法。步骤包括：1图像预处理；2基于注意力生成对抗网络模型搭建；3模型训练阶段；4缺陷检测阶段。在本发明中，打破了传统缺陷检测方法在缺乏缺陷样本的情况下，检测准确率低，以及特征提取不足的问题，提出一种基于注意力生成对抗网络的工业品表面缺陷检测方法，有效利用深度卷积网络以及自注意力机制，对生成对抗网络进行改进，提升了模型缺陷检测能力。

本发明授权一种基于注意力生成对抗网络的工业品表面缺陷检测方法在权利要求书中公布了：1.一种基于注意力生成对抗网络的工业品表面缺陷检测方法，其特征在于包括以下步骤：1图像预处理，获取工业品数据集，提取无缺陷工业品图像，每种类型随机提取多个小块分别用作训练集和验证集，并对每个小块进行高斯去噪后再归一化；2基于注意力生成对抗网络模型搭建；基于注意力生成对抗网络模型搭建具体为：基于注意力生成对抗网络模型由生成器网络、鉴别器网络和逆变器网络构成，生成器网络、鉴别器网络和逆变器网络均采用深度卷积网络，并融合了自注意力机制；生成器G的输入层是64维噪声向量，后面是1024维完全连接FC层，该FC层更进一步reshape为2*2*256，其中每个尺寸分别表示高度H、宽度W和深度；然后连接的所有层均为深度逐渐减少的Deconv层，其中，所有Deconv层的步幅都为2*2，对每个前一层进行上采样；在层与层之间插入自注意力模块，该模块参考SAGAN,加入自注意力机制可以使模型更好地注意到全局性特征，具体公式如下： yi＝γoi+xi其中，βj,i表示在合成第j个区域时模型对第i个位置的影响程度，关注层的输出是γ为比例参数，xi为要素图；输出层尺寸具体设置为32*32，对除发生器G的输出之外的所有层执行批量归一化BN并使用整流线性单元ReLU激活；逆变器T和鉴别器D都是从G反向构造的；它们之间的区别是最终输出层的形状以及自注意力模块的插入位置，除了输出层之外，它们都使用LeakyReLU激活；3模型训练阶段，将工业品数据集中的工业品图片叠加高斯噪声后输入步骤2构建的基于注意力生成对抗网络模型训练，分别训练鉴别器D、生成器G和逆变器T，当训练次数达到一定的迭代次数，得到训练好的基于注意力生成对抗网络模型；4缺陷检测阶段，在训练之后，将步骤3学习的模型D、T和G准备好用于工业品表面检测，检测过程主要包括似然图生成、图像重构、残差图创建、图像融合和阈值化。

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广东工业大学，其通讯地址为：510000 广东省广州市东风东路729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”。