龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：人工智能与数字经济广东省实验室(深圳)
申请日：2023-12-18
公开（公告）日：2024-04-12
公开（公告）号：CN117876299A
主分类号：G06T7/00
分类号：G06T7/00;G06V10/764;G06V10/776;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G06N3/0495;G06N3/096
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.04.30#实质审查的生效;2024.04.12#公开
摘要：本发明公开了一种基于师生网络架构的多模态工业异常检测方法及系统，其中，所述方法包括：获取工业多模态数据；对所述工业多模态数据进行预处理，获得预处理后的工业多模态数据；对预处理后的工业多模态数据进行特征提取处理，获得对应的特征信息；将对应的特征信息输入至异常检测模型中，基于所述异常检测模型进行工业产品的异常检测处理，所述异常检测模型为将多模态数据集和简化数据集输入至具有师生网络架构的深度神经网络模型中进行训练得到的收敛模型，所述多模态数据集为将初始RGB图像和初始深度图像进行多模态信息融合处理所生成的数据集。本发明能够确保在各复杂的工业应用场景中，提高对工业异常检测的高效率和高质量。
主权项：1.一种基于师生网络架构的多模态工业异常检测方法，其特征在于，所述方法包括：获取工业多模态数据；对所述工业多模态数据进行预处理，获得预处理后的工业多模态数据；对预处理后的工业多模态数据进行特征提取处理，获得对应的特征信息；将对应的特征信息输入至异常检测模型中，基于所述异常检测模型进行工业产品的异常检测处理，所述异常检测模型为将多模态数据集和简化数据集输入至具有师生网络架构的深度神经网络模型中进行训练得到的收敛模型，所述多模态数据集为将初始RGB图像和初始深度图像进行多模态信息融合处理所生成的数据集。
全文数据：
权利要求：
百度查询： 人工智能与数字经济广东省实验室(深圳) 一种基于师生网络架构的多模态工业异常检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号