摘要
本发明公开了一种灰度测算专家知识泛化模型构建方法，方法通过同步采集专家的量化评分及其视觉焦点数据，构建一个共享编码器的双任务深度学习模型，使其同时学习预测专家评分和关注区域，利用知识蒸馏将该深度模型的隐性知识迁移到可解释的浅层模型中，并萃取出显性、可读的判别规则，最后，建立人机协同闭环：将规则及模型高不确定样本提交专家审核修正，利用反馈迭代微调模型，实现性能与可解释性的持续优化。本发明有效融合了专家的隐性直觉与显性知识，显著提升了模型的泛化性能、鲁棒性和可解释性，为高精度、高可靠性的自动化灰度测算提供了坚实的技术支撑。
