買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉武漢紡織大學(xué)申請(qǐng)的專利一種織物瑕疵檢測(cè)模型建立方法和織物瑕疵檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115661022B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202210737185.9，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種織物瑕疵檢測(cè)模型建立方法和織物瑕疵檢測(cè)方法是由張俊杰;李小慶;袁樺;陳君;劉凱旋;何儒漢;彭濤設(shè)計(jì)研發(fā)完成，并于2022-06-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種織物瑕疵檢測(cè)模型建立方法和織物瑕疵檢測(cè)方法在說明書摘要公布了：本發(fā)明涉及一種織物瑕疵檢測(cè)模型建立方法和織物瑕疵檢測(cè)方法。包括：步驟1，獲取分別與不同瑕疵類型對(duì)應(yīng)的織物圖片，并對(duì)織物圖片進(jìn)行頻域增廣處理，獲得具有頻域偏好特征的特征圖片；步驟2，采用特征提取網(wǎng)絡(luò)對(duì)特征圖片進(jìn)行特征提取，獲得提取特征；步驟3，根據(jù)提取特征以及與瑕疵對(duì)應(yīng)的目標(biāo)區(qū)域?qū)︻A(yù)選框進(jìn)行篩選和尺寸調(diào)整，獲得建議框；步驟4，基于提取特征以及建議框，通過預(yù)設(shè)級(jí)聯(lián)網(wǎng)絡(luò)對(duì)瑕疵進(jìn)行分類與定位；步驟5，重復(fù)步驟2至步驟4，采用反向傳播方法更新模型參數(shù)，獲得織物瑕疵檢測(cè)模型。本發(fā)明的技術(shù)方案有助于提高織物瑕疵檢測(cè)的準(zhǔn)確性和有效性。

本發(fā)明授權(quán)一種織物瑕疵檢測(cè)模型建立方法和織物瑕疵檢測(cè)方法在權(quán)利要求書中公布了：1.一種織物瑕疵檢測(cè)模型建立方法，其特征在于，包括： 步驟1，獲取分別與不同瑕疵類型對(duì)應(yīng)的織物圖片，并對(duì)所述織物圖片進(jìn)行頻域增廣處理，獲得具有頻域偏好特征的特征圖片； 步驟2，采用特征提取網(wǎng)絡(luò)對(duì)所述特征圖片進(jìn)行特征提取，獲得提取特征，其中，所述特征提取網(wǎng)絡(luò)包括結(jié)合頻域通道注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)； 步驟3，根據(jù)所述提取特征以及與瑕疵對(duì)應(yīng)的目標(biāo)區(qū)域?qū)︻A(yù)選框進(jìn)行篩選和尺寸調(diào)整，獲得建議框，其中，所述預(yù)選框?yàn)獒槍?duì)所述特征圖片的各像素點(diǎn)設(shè)置的預(yù)設(shè)尺寸的選框； 步驟4，基于所述提取特征以及所述建議框，通過預(yù)設(shè)級(jí)聯(lián)網(wǎng)絡(luò)對(duì)瑕疵進(jìn)行分類與定位； 步驟5，重復(fù)所述步驟2至所述步驟4，采用反向傳播方法更新模型參數(shù)，獲得織物瑕疵檢測(cè)模型； 所述對(duì)所述織物圖片進(jìn)行頻域增廣處理，獲得具有頻域偏好特征的特征圖片包括： 對(duì)所述織物圖片的單通道像素矩陣進(jìn)行傅里葉變換并中心化處理，獲得靠近中心的相對(duì)低頻像素矩陣以及遠(yuǎn)離中心的相對(duì)高頻像素矩陣； 以所述相對(duì)高頻像素矩陣的重心以及預(yù)設(shè)半徑確定圓形區(qū)域，根據(jù)所述圓形區(qū)域確定相對(duì)低頻信息和相對(duì)高頻信息； 對(duì)所述相對(duì)低頻信息或所述相對(duì)高頻信息進(jìn)行逆傅里葉變換，獲得具有頻域偏好特征的所述特征圖片； 所述采用特征提取網(wǎng)絡(luò)對(duì)所述特征圖片進(jìn)行特征提取包括： 對(duì)于通過所述卷積神經(jīng)網(wǎng)絡(luò)的下采樣獲取的特征映射，按照通道維度劃分為可被通道整除的多個(gè)部分； 對(duì)于每一部分，利用二維離散余弦變換轉(zhuǎn)換為多塊頻域分量； 分別測(cè)試各所述頻域分量作為通道注意力處理的結(jié)果，選擇符合預(yù)設(shè)標(biāo)準(zhǔn)的頻域結(jié)果作為最終通道注意力的預(yù)處理結(jié)果； 按通道依次連接所有所述預(yù)處理結(jié)果，獲得預(yù)處理頻域分量； 所述預(yù)設(shè)級(jí)聯(lián)網(wǎng)絡(luò)包括三個(gè)R-CNN網(wǎng)絡(luò)，其中，三個(gè)所述R-CNN網(wǎng)絡(luò)的IoU閾值各不相同。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人武漢紡織大學(xué)，其通訊地址為：430000 湖北省武漢市洪山區(qū)紡織路1號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。