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！

龙图腾网获悉浙江理工大学申请的专利一种基于FabricMosaic与改进细粒度特征提取网络的瑕疵检测方法及装置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：CN119540644B 。

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：202411693378.4，技术领域涉及：G06V10/764；该发明授权一种基于FabricMosaic与改进细粒度特征提取网络的瑕疵检测方法及装置是由戴宁;徐开心;甘棚元;胡旭东设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于FabricMosaic与改进细粒度特征提取网络的瑕疵检测方法及装置在说明书摘要公布了：本申请公开了一种基于FabricMosaic与改进细粒度特征提取网络的瑕疵检测方法及装置，涉及布匹瑕疵检测技术领域，解决了现有技术中采用固定裁剪方式所导致的瑕疵目标不完整以及小目标瑕疵易漏检的问题，该方法包括：采集样本，采用基于目标前景与布匹纹理背景特征的动态FabricMosaic数据增强策略进行样本扩充，将训练集中的图像作为YOLOv5s网络模型的输入，经过基于发散路径的特征细粒度增强提取模块进行特征提取后得到全局细粒度特征图，训练YOLOv5s网络模型，利用最终的YOLOv5s网络模型进行布匹瑕疵的检测，采用动态FabricMosaic数据增强策略进行样本的扩充，在样本整合过程中仍能有效保留瑕疵目标的完整性，降低了检测小目标瑕疵时增加漏检的风险。

本发明授权一种基于FabricMosaic与改进细粒度特征提取网络的瑕疵检测方法及装置在权利要求书中公布了：1.一种基于FabricMosaic与改进细粒度特征提取网络的瑕疵检测方法，其特征在于，包括： S100、获取布匹图像并建立样本数据集； S200、采用基于目标前景与布匹纹理背景特征的动态FabricMosaic数据增强策略进行样本扩充，以得到扩充数据集，在样本扩充过程的裁剪中，根据瑕疵目标的形态特征和布匹纹理背景特征的先验信息，动态调整裁剪中心偏移点以确保瑕疵目标的完整性，在样本扩充过程的裁剪方法，包括：计算瑕疵目标像素面积；按照像素量最大瑕疵类的背景占比，动态调整偏移中心点的可移动范围；根据目标偏移量调整裁剪区域的中心点，再计算每个瑕疵目标相对裁剪中心点的距离向量，依据瑕疵目标在裁剪区域四个象限中的分布，动态调整裁剪区域的边界，以确保所有瑕疵目标都包含在裁剪区域内；根据约束公式确保裁剪区域不超出图像边界；通过比例缩放裁剪区域的宽度和高度，以使裁剪后的面积与原始面积一致； S300、将所述扩充数据集划分为训练集、验证集和测试集； S400、将训练集中的图像作为YOLOv5s网络模型的输入，经过基于发散路径的特征细粒度增强提取模块进行特征提取后得到全局细粒度特征图，其中，基于发散路径的特征细粒度增强提取模块包括用于将输入特征按照特征通道进行分流处理的信息发送路径，以及用于从分流处理后的特征中提取细粒度特征的特征提取单元； S500、对于全局细粒度特征图，预测图像中各像素属于待检测物体的概率及物体的边界框信息，生成边界框； S600、根据所述边界框与对应图片的GT框计算网络损失值，并使用梯度下降法来更新YOLOv5s网络模型的参数； S700、重复步骤S400-S600，直到训练集中所有图片都至少输入YOLOv5s网络模型一次；根据参数更新后的YOLOv5s网络模型对验证集的每张图像进行预测，统计后输出验证集中各个类别的AP值；循环迭代，直至所统计的mAP值稳定在某个值，以得到训练好的YOLOv5s网络模型； S800、利用测试集对训练好的YOLOv5s网络模型进行测试，并根据测试结果调节YOLOv5s网络模型的参数，以得到最终的YOLOv5s网络模型； S900、利用最终的YOLOv5s网络模型进行布匹瑕疵的检测。

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浙江理工大学，其通讯地址为：310000 浙江省杭州市经济技术开发区白杨街道2号大街928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。