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！

龙图腾网获悉华侨大学申请的专利一种布匹瑕疵检测方法、装置及可读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：CN116721091B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202310744289.7，技术领域涉及：G06T7/00；该发明授权一种布匹瑕疵检测方法、装置及可读介质是由黄德天;宋佳讯;林明昕;朱达欣;蔡丹玲;曾焕强;陈婧设计研发完成，并于2023-06-21向国家知识产权局提交的专利申请。

本一种布匹瑕疵检测方法、装置及可读介质在说明书摘要公布了：本发明公开了一种布匹瑕疵检测方法、装置及可读介质，通过获取待检测的布匹图像和模板图像；构建改进的Yolov5s网络并训练，得到布匹瑕疵检测模型，改进的Yolov5s网络包括主干特征提取网络、颈部特征融合网络和头部预测网络，主干特征提取网络采用CSPDarkNet，颈部特征融合网络包括特征过滤金字塔网络和融合卷积块注意力模块的路径聚合网络，在训练过程中采用多类聚焦置信度损失函数代替交叉熵置信度损失函数；将待检测的布匹图像和模板图像输入布匹瑕疵检测模型，得到布匹检测结果。该方法关注实际布匹瑕疵检测中存在的瑕疵种类分布不均、不同瑕疵的检测难易程度不同等问题，通过对冗余背景特征的过滤与关键前景特征的提纯，降低网络复杂度，提高检测精度和效率。

本发明授权一种布匹瑕疵检测方法、装置及可读介质在权利要求书中公布了：1.一种布匹瑕疵检测方法，其特征在于，包括以下步骤： 获取待检测的布匹图像和模板图像； 构建改进的Yolov5s网络并训练，得到布匹瑕疵检测模型，所述改进的Yolov5s网络包括主干特征提取网络、颈部特征融合网络和头部预测网络，所述主干特征提取网络采用CSPDarkNet，所述颈部特征融合网络包括特征过滤金字塔网络和融合卷积块注意力模块的路径聚合网络，在训练过程中采用多类聚焦置信度损失函数代替交叉熵置信度损失函数； 将所述待检测的布匹图像和模板图像输入所述布匹瑕疵检测模型，所述CSPDarkNet包括依次连接的第一单元、第二单元、第三单元、第四单元和第五单元，所述第一单元包括依次串联的Focus模块和第一CBS模块，所述第二单元包括依次串联的第二CBS模块和第一CSP1_x模块，所述第三单元包括依次串联的第三CBS模块和第二CSP1_x模块，所述第四单元包括依次串联的第四CBS模块和第三CSP1_x模块，所述第五单元包括依次串联的第五CBS模块、第四CSP1_x模块和SPPF模块，将所述布匹图像输入所述CSPDarkNet，在所述第三单元、所述第四单元和第五单元分别输出得到第一有效特征图、第二有效特征图和第三有效特征图；所述特征过滤金字塔网络包括FPN特征融合网络、冗余特征过滤网络和模板特征提取网络，所述第一有效特征图、第二有效特征图、第三有效特征图和模板图像分别输入所述FPN特征融合网络中，其中，所述第三有效特征图输入第六CBS模块，得到第三中间特征图，将所述第三中间特征图经由第一Upsample模块得到特征图与所述第二有效特征图进行Concat操作，再经由第一CSP2_3模块与第七CBS模块进行融合，得到第二中间特征图，将所述第二中间特征图经由第二Upsample模块得到的特征图与所述第一有效特征图进行Concat操作，再经由第二CSP2_3模块与第八CBS模块进行融合，得到第一中间特征图；所述模板图像输入所述模板特征提取网络中，所述模板图像输入第九CBS模块，得到第一模板特征图，将所述第一模板特征图输入Downsample1模块，得到第二模板特征图，所述第二模板特征图输入Downsample2模块，得到第三模板特征图；所述第一中间特征图、第二中间特征图、第三中间特征图、第一模板特征图、第二模板特征图和第三模板特征图输入所述冗余特征过滤网络中，将所述第一中间特征图和第一模板特征图进行Concat操作，再经过大小为1×1的卷积核，得到第一过滤特征图；将所述第二中间特征图和第二模板特征图进行Concat操作，再经过大小为1×1的卷积核，得到第二过滤特征图，将所述第三中间特征图和第三模板特征图进行Concat操作，再经过大小为1×1的卷积核，得到第三过滤特征图，所述第一过滤特征图、第二过滤特征图和第三过滤特征图输入所述融合卷积块注意力模块的路径聚合网络中，所述第一过滤特征图输入第一DWConv模块，得到第一融合特征图，将所述第一融合特征图经由第一CBAM模块得到的特征图与第二过滤特征图进行Concat操作，再经由5个第二DWConv模块进行特征融合，得到第二融合特征图，将所述第二融合特征图经由第三DWConv模块与第二CBAM模块得到的特征图与所述第三过滤特征图进行Concat操作，再经由通过5个第四DWConv模块进行特征融合，得到第三融合特征图，将所述第一融合特征图、第二融合特征图和第三融合特征图输入所述头部预测网络，得到布匹检测结果。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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。