Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 河北科技大学黄丽敏获国家专利权

河北科技大学黄丽敏获国家专利权

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!

龙图腾网获悉河北科技大学申请的专利织物瑕疵检测方法、装置、终端设备及介质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:CN116993698B

龙图腾网通过国家知识产权局官网在2025-09-19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:202310971756.X,技术领域涉及:G06T7/00;该发明授权织物瑕疵检测方法、装置、终端设备及介质是由黄丽敏;刘姝含;张俊豪;赵英宝设计研发完成,并于2023-08-03向国家知识产权局提交的专利申请。

织物瑕疵检测方法、装置、终端设备及介质在说明书摘要公布了:本申请适用于目标检测技术领域,提供了一种织物瑕疵检测方法、装置、终端设备及介质,该方法包括:获取织物的图像;各个织物的图像均标注出瑕疵的位置信息和类别信息;将织物的图像输入到预先构建好的LW‑SSD模型进行训练,得到训练好的LW‑SSD模型;该模型包括基本模型框架、双重通道注意力机制模块、多支路并行空洞卷积模块和特征融合模块,分别用于提取图像特征、扩大特征层感受野、捕获多尺度的上下文信息,并更新模型权重以及统一特征层的分辨率;将待检测的织物的图像输入该模型,得到待检测的织物的图像的瑕疵的位置信息和类别信息。本申请能够减少模型参数量,提高检测速度同时,提高模型对织物瑕疵检测的精度。

本发明授权织物瑕疵检测方法、装置、终端设备及介质在权利要求书中公布了:1.一种织物瑕疵检测方法,其特征在于,包括: 获取织物的图像;各个所述织物的图像均标注出瑕疵的位置信息和类别信息; 将所述织物的图像输入到预先构建好的LW-SSD模型进行训练,得到训练好的LW-SSD模型;所述LW-SSD模型包括基本模型框架、双重通道注意力机制模块、多支路并行空洞卷积模块和特征融合模块;所述基本模型框架用于提取所述织物的图像的特征;所述多支路并行空洞卷积模块用于扩大所述基本模型框架中的特征层的感受野;所述双重通道注意力机制模块用于捕获多尺度的上下文信息,并更新所述基本模型框架中特征层的权重;所述特征融合模块用于统一所述基本模型框架中的特征层的分辨率; 将待检测的织物的图像输入所述训练好的LW-SSD模型,得到所述待检测的织物的图像的瑕疵的位置信息和类别信息; 其中,所述基本模型框架包括7个特征层,所述7个特征层包括Conv3_3特征层、Conv4_3特征层、Fc7特征层、Conv6_2特征层、Conv7_2特征层、Conv8_2特征层和Conv9_2特征层; 其中,所述Conv3_3特征层、所述Conv4_3特征层、所述Fc7特征层和所述Conv6_2特征层为轻量级网络的特征层;Conv7_2特征层、Conv8_2特征层和Conv9_2特征层为SSD算法的特征层; 所述Conv4_3特征层、所述Fc7特征层、所述Conv6_2特征层、所述Conv7_2特征层、Conv8_2特征层和所述Conv9_2特征层的输出末端均设置有所述双重通道注意力机制模块,所述双重通道注意力机制模块还用于将所述Conv4_3特征层、所述Fc7特征层、所述Conv6_2特征层、所述Conv7_2特征层、Conv8_2特征层和所述Conv9_2特征层的权重更新。

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北科技大学,其通讯地址为:050018 河北省石家庄市裕华区裕翔街26号河北科技大学;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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。