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！

龙图腾网获悉哈尔滨工业大学申请的专利一种纸张质量检测方法及系统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：CN119625409B 。

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：202411713794.6，技术领域涉及：G06V10/764；该发明授权一种纸张质量检测方法及系统是由张英涛设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种纸张质量检测方法及系统在说明书摘要公布了：本发明提供了一种纸张质量检测方法及系统，涉及缺陷检测技术领域，一种纸张质量检测方法基于YOLOV8模型，所述方法包括：根据浅层网络特征提取模块对待测纸张图像进行特征提取操作，得到初始特征图；当深层网络特征提取模块对初始特征图进行下采样操作时，将初始特征图划分为多个特征区域，并通过自适应权重下采样模块为每个特征区域划分权重，进而生成加权特征图；通过可逆特征融合模块，将加权特征图反向传递至浅层网络特征提取模块，得到融合后的加权特征图；通过深层网络特征提取模块根据融合后的加权特征图确定待测纸张图像的缺陷信息。本发明可以更准确地识别和分类纸张上的缺陷，实现了更高精度、更高效率的纸张缺陷检测。

本发明授权一种纸张质量检测方法及系统在权利要求书中公布了：1.一种纸张质量检测方法，其特征在于，所述方法基于YOLOV8模型，所述YOLOV8模型包括浅层网络特征提取模块、自适应权重下采样模块、可逆特征融合模块和深层网络特征提取模块，所述方法包括： 根据所述浅层网络特征提取模块对待测纸张图像进行特征提取操作，得到初始特征图； 当所述深层网络特征提取模块对所述初始特征图进行下采样操作时，将所述初始特征图划分为多个特征区域，并通过所述自适应权重下采样模块为每个所述特征区域划分权重，再根据所述特征区域的权重，生成加权特征图； 所述自适应权重下采样模块包括平均池化层和拼接层，所述通过所述自适应权重下采样模块为每个所述特征区域划分权重，再根据所述特征区域的权重，生成加权特征图，包括： 通过所述平均池化层，对每个所述特征区域进行指标统计，得到每个所述特征区域的像素值对应的平均值； 通过所述拼接层，根据每个所述特征区域的所述平均值对所述特征区域进行融合，得到融合特征图； 通过所述自适应权重下采样模块中的注意力机制，对所述融合特征图进行加权融合，得到所述加权特征图； 具体包括：将所述融合特征图进行划分，得到多个互不重叠的子区域，其中，每个所述子区域对应至少一个特征图通道； 通过所述子区域的所述特征图通道，确定所述子区域的注意力值； 根据所述注意力值确定所述子区域的权重； 根据所述子区域的权重进行加权融合，得到所述加权特征图； 通过所述可逆特征融合模块，将所述加权特征图反向传递至所述浅层网络特征提取模块，得到融合后的加权特征图； 具体包括：确定所述浅层网络特征提取模块和所述深层网络特征提取模块的目标尺寸； 通过可逆梯度法，将所述深层网络特征提取模块的所述加权特征图和所述浅层网络特征提取模块输出的所述初始特征图的尺寸调整至所述目标尺寸； 根据所述加权特征图和浅层网络特征图，得到所述融合后的加权特征图； 具体包括：通过填充操作和剪裁操作，将所述加权特征图和所述浅层网络特征图进行空间对齐； 当所述加权特征图和所述浅层网络特征图对齐后，将所述加权特征图和所述浅层网络特征图在通道维度上进行堆叠，得到重叠特征图； 根据所述重叠特征图对所述加权特征图和所述浅层网络特征图进行拼接融合，得到所述融合后的加权特征图； 通过所述深层网络特征提取模块根据所述融合后的加权特征图确定所述待测纸张图像的缺陷信息。

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哈尔滨工业大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。