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！

龙图腾网获悉西安工程大学申请的专利一种基于轻量化网络的数码印花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：CN120411118B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510926350.9，技术领域涉及：G06T7/00；该发明授权一种基于轻量化网络的数码印花缺陷检测方法是由苏泽斌;张幸一;黄乐天;李鹏飞;景军锋;张缓缓;姜萌设计研发完成，并于2025-07-07向国家知识产权局提交的专利申请。

本一种基于轻量化网络的数码印花缺陷检测方法在说明书摘要公布了：本发明提出了一种基于轻量化网络的数码印花缺陷检测方法，通过将待检测图像输入至训练好的检测模型中，以使训练好的检测模型执行检测过程，从而得到数码印花织物是否存在缺陷的检测结果。检测过程包括：对待检测图像进行小波变换提取出高频分量和低频分量，并利用两者提取出轮廓语义混合特征；对轮廓语义混合特征进行增强得到增强轮廓语义混合特征；根据增强轮廓语义混合特征进行分类检测。由于本发明的训练好的检测模型设计了小波卷积模块、包含注意力机制的并行模块、改进型多尺度瓶颈模块，以提高检测效果，以实现在相同硬件条件下更高效且准确的缺陷检测，解决了现有技术在数码印花织物缺陷检测中检测精度低、速度慢、难以泛化等问题。

本发明授权一种基于轻量化网络的数码印花缺陷检测方法在权利要求书中公布了：1.一种基于轻量化网络的数码印花缺陷检测方法，其特征在于，包括： S100，获取包含数码印花织物的待检测图像； S200，将所述待检测图像输入至训练好的检测模型中，以使所述训练好的检测模型执行检测过程，从而得到数码印花织物是否存在缺陷的检测结果，所述检测过程包括：对所述待检测图像进行小波变换提取出高频分量和低频分量，并利用所述高频分量和所述低频分量提取出轮廓语义混合特征；对所述轮廓语义混合特征进行增强得到增强轮廓语义混合特征；根据所述增强轮廓语义混合特征进行分类检测； 所述训练好的检测模型包括依次连接的骨干网络、颈部网络和检测头组； 其中，所述骨干网络，用于提取待检测图像的高频分量和低频分量，并结合所述高频分量和低频分量提出所有通道的小波变换特征，对每个通道的小波变换特征进行编码，并结合位置信息得到轮廓语义混合特征； 所述颈部网络，用于对所述轮廓语义混合特征进行增强，得到增强轮廓语义混合特征； 所述检测头组，用于根据所述增强轮廓语义混合特征进行分类检测，得到数码印花织物是否存在缺陷的检测结果； 所述骨干网络包括一个小波卷积模块、四个并行模块和三个多尺度瓶颈模块，四个并行模块和三个多尺度瓶颈模块，按照先并行模块再多尺度瓶颈模块的方式交替连接； 所述小波卷积模块，用于对所述待检测图像进行小波变换得到高频分量和低频分量，对所述低频分量依次进行卷积和深度可分离卷积得到低频特征，将所述低频特征和所述高频分量整合得到小波变换特征； 每个并行模块，用于对输入特征进行纵向和横向平均池化得到对应的纵向池化特征和横向池化特征；对所述纵向池化特征和所述横向池化特征分别进行线性编码得到纵向编码特征和横向编码特征；对所述纵向编码特征和所述横向编码特征进行重建得到重建特征，对所述重建特征进行下采样得到第一张量特征；将所述小波变换特征进行卷积、批量归一化和激活处理得到第二张量特征；将所述第一张量特征和所述第二张量特征进行聚合得到第一聚合特征； 每个多尺度瓶颈模块，用于通过多尺度卷积对并行模块输出的第一聚合特征进行特征提取得到轮廓特征，从而输出轮廓特征至下一个连接的并行模块； 其中，第一个并行模块的输入特征为所述小波变换特征，除第一个外的其他并行模块的输入为上一个多尺度瓶颈模块输出的轮廓特征；最后一个并行模块输出的特征为所述骨干网络输出的轮廓语义混合特征。

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西安工程大学，其通讯地址为：710043 陕西省西安市新城区金花南路19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”。