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)申请的专利基于Stable Diffusion图像生成的MASK R-CNN工业产品少样本缺陷检测方法、系统及计算机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：CN121329927B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511486780.X，技术领域涉及：G06T7/00；该发明授权基于Stable Diffusion图像生成的MASK R-CNN工业产品少样本缺陷检测方法、系统及计算机设备是由王飞;侯凯;杨静芳;张鹏;肖光春;范润泽;刘向峰设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本基于Stable Diffusion图像生成的MASK R-CNN工业产品少样本缺陷检测方法、系统及计算机设备在说明书摘要公布了：本发明公开了一种基于StableDiffusion图像生成的MASKR‑CNN工业产品少样本缺陷检测方法、系统及计算机设备，涉及工业产品缺陷检测技术领域，主要包括：构建数据集、训练改进的图像生成网络模型、训练改进的分类检测模型、工业产品缺陷类别语义分割、产品不同缺陷实际损伤范围测量。本发明在少样本的条件下使模型满足生产要求，实现了图像生成和缺陷检测同步进行的目的，大大提高了模型的训练效率和检测准确率。

本发明授权基于Stable Diffusion图像生成的MASK R-CNN工业产品少样本缺陷检测方法、系统及计算机设备在权利要求书中公布了：1.一种基于StableDiffusion图像生成的MASKR-CNN工业产品少样本缺陷检测方法，其特征在于，包括以下步骤： S1、在实际工业生产环境下拍摄产品缺陷图像，构建初始数据集； S2、将初始数据集输入改进的图像生成模型进行训练，利用训练完成的图像生成模型生成新的产品缺陷样本； S3、将初始数据集与新的产品缺陷样本合并成混合数据集，基于混合数据集对改进的分类检测模型进行训练； S4、利用训练完成的分类检测模型对待识别产品缺陷图像进行分割，得到产品缺陷类别的判别结果； S5、依据各类产品缺陷的检测结果，获取不同类别缺陷的计数结果和像素值；结合采集数据时的相机参数，建立缺陷在图像中所占像素面积与实际三维空间中面积的对应关系，构建数学映射关系模型，进而实现对各类产品缺陷损伤范围的测量； S1的具体步骤为： S101、搭建数据图像采集平台，采集少量产品图像作为原始图像数据； S102、将原始图像数据裁剪为满足改进的图像生成模型所需的图像大小，得到初始数据集； S103、使用Labeling，对初始数据集中的不同缺陷进行标记； S2的具体步骤为： S201、采用Labelme工具对产品缺陷图像进行轮廓标注，将标注完成的文件格式转化为txt格式文件，形成分割训练数据集； S202、基于StableDiffusion模型框架，针对分割训练数据集为灰度图的特性进行参数调整，确定训练基础配置； S203、在参数配置完成的StableDiffusion模型中增加图文对应模块，通过图文对应模块自动轮询S103中标记好的初始数据集，使文本提示与S103中不同类别的缺陷数据对应，持续轮询并评估缺陷类别匹配准确率，直至准确率达到生产要求，停止轮询并固定图文对应关系； S204、以分割训练数据集、图文对应关系作为联合输入，启动改进后的StableDiffusion图像生成模型训练，经过不断轮询，生成新的产品缺陷样本； S204的具体步骤为： 在正向阶段，对输入的产品缺陷图像及对应轮廓标注信息按预设时间步执行多步加噪操作，每步加噪遵循概率分布，直至输入的产品缺陷图像完全转化为全噪声图像；其中，是每一步的噪声方差，是t时刻加了噪声后的图像； 在逆向阶段，以全噪声图像、对应文本提示及轮廓标注信息为参考，通过神经网络预测去噪均值和方差，按概率分布从全噪声图像中逆向恢复缺陷特征，且确保生成的新的产品缺陷样本在轮廓上与轮廓标注信息一致；其中，是高斯分布； 重复上述的正向加噪-逆向降噪训练流程，直至生成的产品缺陷样本满足生产要求的质量标准，完成模型训练。

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)，其通讯地址为：250353 山东省济南市长清区大学路3501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”。

以上内容由龙图腾AI智能生成。