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！

龙图腾网获悉河南大学申请的专利一种基于强化特征融合的Sparse-rcnn的布匹瑕疵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：CN115861200B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202211474544.2，技术领域涉及：G06T7/00；该发明授权一种基于强化特征融合的Sparse-rcnn的布匹瑕疵检测方法是由庞子龙;术安楠;蒋奇臻;韩云琦;甘志华;柴秀丽设计研发完成，并于2022-11-23向国家知识产权局提交的专利申请。

本一种基于强化特征融合的Sparse-rcnn的布匹瑕疵检测方法在说明书摘要公布了：本发明提供一种基于强化特征融合的Sparse‑rcnn的布匹瑕疵检测方法。该方法包括：步骤1：收集不同光源下的瑕疵图像和模板图像，对瑕疵图像中的瑕疵进行人工标注；其中，瑕疵图像是指有瑕疵的布匹图像，模板图像是指无瑕疵的布匹图像；步骤2：对收集到的所有图像数据进行预处理；步骤3：将预处理后的图像数据进行差值组合三通道处理，得到新的三通道，将新的三通道输入至预先构建好的基于强化特征融合的Sparse‑rcnn的布匹瑕疵检测网络模型进行训练；步骤4：将待检测布匹图像输入至训练好的所述布匹瑕疵检测网络模型，得到瑕疵检测结果。

本发明授权一种基于强化特征融合的Sparse-rcnn的布匹瑕疵检测方法在权利要求书中公布了：1.一种基于强化特征融合的Sparse-rcnn的布匹瑕疵检测方法，其特征在于，包括： 步骤1：收集不同光源下的瑕疵图像和模板图像，对瑕疵图像中的瑕疵进行人工标注；其中，瑕疵图像是指有瑕疵的布匹图像，模板图像是指无瑕疵的布匹图像； 步骤2：对收集到的所有图像数据进行预处理； 步骤3：将预处理后的图像数据进行差值组合三通道处理，得到新的三通道，将新的三通道输入至预先构建好的基于强化特征融合的Sparse-rcnn的布匹瑕疵检测网络模型进行训练； 步骤4：将待检测布匹图像输入至训练好的所述布匹瑕疵检测网络模型，得到瑕疵检测结果； 其中，所述的布匹瑕疵检测网络模型的结构：包括骨干网络、动态实例交互头和分类回归层； 所述骨干网络采用基于DHLC架构的FPN，具体包括：将k个完全相同的resnet101的backbone分成两组，其中的k-1个backbone构成第一组，剩下的1个backbone单独作为第二组；第一组中的所有backbone通过DHLC架构连接后作为辅助骨干；第二组作为主导骨干。

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河南大学，其通讯地址为：475001 河南省开封市顺河区明伦街85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”。