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！

龙图腾网获悉东华大学申请的专利一种纺织品纤维无损检测方法、装置及存储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：CN115294077B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202210961308.7，技术领域涉及：G06T7/00；该发明授权一种纺织品纤维无损检测方法、装置及存储介质是由许罗力;常姗;李粉英设计研发完成，并于2022-08-10向国家知识产权局提交的专利申请。

本一种纺织品纤维无损检测方法、装置及存储介质在说明书摘要公布了：本发明涉及一种基于卷积神经网络和多头注意力的纺织品纤维无损检测方法、装置及存储介质，其中方法包括：获取织物表面图像数据集和纤维类别信息；预处理；添加位置编码；构建纤维自动识别模型，所述纤维自动识别模型包括基于卷积神经网络的纤维特征提取模块、基于多头注意力机制的纤维识别模块、线性投影模块和输出判断模块，基于预处理后的织物表面图像数据集和包含位置编码的纤维类别信息训练纤维自动识别模型，当纤维自动识别模型的损失函数收敛时，完成训练；基于训练完成的纤维自动识别模型完成无损纺织品纤维检测。与现有技术相比，本发明具有检测效率高、检测不破坏待测织物等优点。

本发明授权一种纺织品纤维无损检测方法、装置及存储介质在权利要求书中公布了：1.一种基于卷积神经网络和多头注意力的纺织品纤维无损检测方法，其特征在于，包括以下步骤： 获取织物表面图像数据集和纤维类别信息，其中，所述纤维类别信息包含多个向量，一个向量对应一个类别的纤维； 对织物表面图像数据集进行预处理； 基于正余弦函数对纤维类别信息进行添加位置编码操作； 构建纤维自动识别模型，所述纤维自动识别模型包括基于卷积神经网络的纤维特征提取模块、基于多头注意力机制的纤维识别模块、线性投影模块和输出判断模块，其中， 所述纤维特征提取模块为由1个常规卷积模块和4组残差卷积模块组成的卷积神经网络，其中，所述常规卷积模块包括卷积层，批归一化层，ReLU函数和池化层，所述残差卷积模块每组包括1个残差子模块1和多个残差子模块2，纤维特征提取模块的输出为纤维空间特征，残差子模块1输入数据依次经过卷积核大小为1×1、3×3、1×1三个卷积层后，和输入经过1×1的连接卷积层后的数据相加，得到输出；残差子模块2输入数据依次经过卷积核大小1×1、3×3、1×1三个卷积层后，与输入相加，得到输出；1×1卷积核的步长都为1，3×3卷积核的步长都为2； 第一组残差卷积模块包含1个残差子模块1和2个残差子模块2； 第二组残差卷积模块包含1个残差子模块1和3个残差子模块2； 第三组残差卷积模块包含1个残差子模块1和5个残差子模块2； 第四组残差卷积模块包含1个残差子模块1和2个残差子模块2； 所述纤维识别模块由2个Transformer解码层组成，Transformer解码层包括依次连接的自注意力模块、交叉注意力模块和位置前馈网络模块，自注意力模块、交叉注意力模块均采用多头注意力机制，其中，自注意力模块的输入为纤维类别信息和包含位置编码的纤维类别信息，交叉注意力模块的输入为自注意力模块的输出、纤维空间特征和包含位置编码的纤维空间特征，所述包含位置编码的纤维空间特征基于正余弦函数对纤维空间特征进行添加位置编码操作得到，所述位置前馈网络模块基于ReLU激活函数连接两个维度的线性变换层，对交叉注意力模块的输出进行特征加强，输出纤维类别特征向量， 所述线性投影模块基于Sigmoid函数将纤维识别模块输出的特征向量线性投影为纤维类别的概率值， 所述输出判断模块基于纤维类别的概率值判断所述类别的纤维是否存在； 基于预处理后的织物表面图像数据集和包含位置编码的纤维类别信息训练纤维自动识别模型，当纤维自动识别模型的损失函数收敛时，完成训练； 基于训练完成的纤维自动识别模型完成无损纺织品纤维检测。

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东华大学，其通讯地址为：200051 上海市长宁区延安西路1882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。