CNIPA.AI
返回搜索
档案

一种基于视觉大模型与持续学习的颗粒板缺陷自动标注及分级检测方法

发明专利未知
7权利要求 · 1 独立
§ Ⅰ

卷宗概要

发明人

苏挺; 魏召刚; 秦立夫; 丛展鹏; 阚铄

申请日

Aug 10, 2026

公开日

Oct 27, 2026

IPC 分类

G06V 10/82 (2022.01)G06V 10/774 (2022.01)G06V 10/26 (2022.01)G06V 10/764 (2022.01)G06T 7/00 (2017.01)G06N 3/09 (2023.01)G06N 3/096 (2023.01)G06N 3/0455 (2023.01)G06N 3/0464 (2023.01)

本发明属于工业视觉检测与人工智能技术领域,公开了一种基于视觉大模型与持续学习的颗粒板缺陷自动标注及分级检测方法。针对现有颗粒板缺陷检测中标注成本高、模型泛化能力不足、灾难性遗忘及分级标准难以动态调整等问题,本发明利用视觉大模型的零样本学习能力实现缺陷自动标注与初始数据集构建;训练双分支基础模型实现缺陷检测与分割;引入弹性权重巩固、适配器增强及样本回放等持续学习机制进行模型增量更新,抑制灾难性遗忘;基于多维度量化评估实现自适应质量分级;并通过知识蒸馏将模型部署至边缘设备。本发明适用于颗粒板生产线表面缺陷的自动检测、分类与产品质量分级。

登录后阅读全文

已显示权利要求 1。免费注册即可阅读全部 7 项权利要求、说明书全文、全部附图、翻译和法律状态。

  • 全部权利要求
  • 技术领域
  • 背景技术
  • 发明内容
  • 附图说明
  • 具体实施方式