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！

龙图腾网获悉广东工业大学申请的专利一种柔印标签的在线缺陷检测方法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：CN115601297B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211064363.2，技术领域涉及：G06T7/00；该发明授权一种柔印标签的在线缺陷检测方法是由蔡念;龙进良;燕舒乐;肖盼;王晗;李琦设计研发完成，并于2022-08-31向国家知识产权局提交的专利申请。

本一种柔印标签的在线缺陷检测方法在说明书摘要公布了：本发明提供一种柔印标签的在线缺陷检测方法，该方法使用STN端到端网络来校正图案，避免了传统的局部匹配时间长的问题，校正后训练样本和测试样本的结构位置都大体上保持一致，所以对于细微缺陷的检测能力也有所提高；由于样本生产过程中的材质厚薄度和受力不一，在经过校正后仍不可避免的有细微差异。同时由于较薄的双面印刷的样品会有透底现象，模板与测试样品的透底图案位置偏差较大，通过做差容易导致误检。所以通过提取多个无缺陷样本的方法建立核心集，对比单一模板的做差方法，大大提高了检测结果的鲁棒性，减少了误检率和透底的影响。

本发明授权一种柔印标签的在线缺陷检测方法在权利要求书中公布了：1.一种柔印标签的在线缺陷检测方法，其特征在于，包括以下步骤： S1：空间变换网络STN匹配对齐：通过空间变换网络获取样本与柔印模板之间的匹配参数，完成对训练样本以及测试样本的匹配对齐； S2：无监督缺陷检测：构建核心集，并且通过改进的K近邻算法得到测试样品的异常得分； 其中，在经过空间变换网络后，柔印标签与模板图片实现对齐，由于柔印标签的结构复杂，衬底较薄的标签双面印刷时会产生透底现象，透底图案使得标签的图案结构复杂度大大增加，且图案结构粗细不一，因此使用单个模板与测试样本做差的检测方法会导致较高的误检率，所以通过构造核心集的方法来避免直接做差； 使用多张经过校正对齐的无缺陷样本构建训练集，使用预先在ImageNet上训练的resnet网络提取训练集特征，resnet网络的第一层虽然包含大量的测试样本的纹理特征，但同时也包含了大量的冗余信息，导致后续贪婪算法降采样的效率降低和缺陷检测的检测时间大大增加，因此使用resnet模型最后两层提取的特征作为特征集，再通过贪婪算法对特征集关键点进行筛选，从而达到降维的效果，将核心集降采样率设为0.01，即相对于直接提取的特征集，核心集大小下降为原来的1%； 使用faiss构建量化器quantizer计算特征间的欧氏距离即相似度，构建IndexIVFFlat类型的索引，将簇心设为2400，对降维后的特征集进行kmeans聚类，通过查询最近的聚类中心，然后比较聚类中所有向量得到相似的向量，最后将聚类中心加入到索引中并保存索引； 在测试阶段，由于需要使用最邻近算法，所以必须确保测试集特征与训练集特征的尺寸相同，因此使用预训练的resnet网络的第二第三层提取的测试样本特征，导入保存好的索引，通过索引搜索最近的簇，然后在簇内应用K近邻算法，根据距离度量，在核心集中找出与测试样本特征最近邻的K个点，距离度量公式为 其中表示核心集的特征，表示两点之间的距离，通过K近邻算法来衡量异常得分； 采用re-weighting的计算方法来计算image-level的异常得分，相比于以往的直接取最大值的判断异常方法更加鲁棒： 其中，异常候选，为了得到re-weighting后的异常分数值，增加了的权重来解释相邻补丁的行为：如果内存库特征最接近异常候选，,由于其本身距离相邻样本相对较远，这已经是一种罕见的事件，因此增加异常分数，最后将异常分数图resize到输入尺寸大小，完成异常检测； S3：弱监督缺陷检测：使用无监督缺陷检测的图像级分类结果作为标签，通过完成对热图的分割，实现柔印在线检测。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。