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！

龙图腾网获悉中国科学院自动化研究所申请的专利织物表面缺陷检测方法及相关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：CN119810058B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411880405.9，技术领域涉及：G06T7/00；该发明授权织物表面缺陷检测方法及相关装置是由陈麒宇;吕承侃;罗惠元设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本织物表面缺陷检测方法及相关装置在说明书摘要公布了：本发明属于缺陷检测领域，公开了一种织物表面缺陷检测方法及相关装置，包括：获取待检测织物图像；将待检测织物图像输入至预训练的通用无监督缺陷检测模型，得到待检测织物的表面缺陷检测结果。通用无监督缺陷检测模型包括特征提取器、类别匹配模块、补丁匹配模块、中心偏移量判别模块以及特征判别器；类别匹配模块用于从预设的若干类别中心特征信息中获取目标类别中心特征信息；补丁匹配模块用于将特征信息的若干特征块与目标类别中心特征信息中的若干类别中心特征块对齐；中心偏移量判别模块用于获取各特征块与对齐的各类别中心特征块之间的偏移量；特征判别器用于得到织物的表面缺陷检测结果。提升了织物的表面缺陷检测准确，并降低部署难度。

本发明授权织物表面缺陷检测方法及相关装置在权利要求书中公布了：1.一种织物表面缺陷检测方法，其特征在于，包括： 获取待检测织物图像； 将待检测织物图像输入至预训练的通用无监督缺陷检测模型，得到待检测织物的表面缺陷检测结果； 其中，通用无监督缺陷检测模型包括特征提取器、类别匹配模块、补丁匹配模块、中心偏移量判别模块以及特征判别器；特征提取器用于获取织物图像的特征信息；类别匹配模块用于从预设的若干类别中心特征信息中获取与所述特征信息相似度最高的类别中心特征信息，作为目标类别中心特征信息；补丁匹配模块用于将所述特征信息划分为若干特征块，并将所述若干特征块与目标类别中心特征信息中的若干类别中心特征块对齐；中心偏移量判别模块用于获取各特征块与对齐的各类别中心特征块之间的偏移量；特征判别器用于根据各特征块与对齐的各类别中心特征块之间的偏移量得到织物的表面缺陷检测结果； 所述预训练的通用无监督缺陷检测模型通过下述方式得到： 获取训练图像样本；其中，训练图像样本为无缺陷织物的织物图像； 将训练图像样本输入至通用无监督缺陷检测模型，并通过中心偏移量判别模块获取训练图像样本的各特征块与对齐的各类别中心特征块之间的偏移量； 在各特征块上叠加扰动得到训练图像样本的各扰动特征块，以及通过中心偏移量判别模块获取训练图像样本的各扰动特征块与对齐的各类别中心特征块之间的偏移量； 通过特征判别器，根据训练图像样本的各特征块与对齐的各类别中心特征块之间的偏移量，得到训练图像样本的表面缺陷检测结果； 通过特征判别器，根据训练图像样本的各扰动特征块与对齐的各类别中心特征块之间的偏移量，得到训练图像样本的扰动表面缺陷检测结果； 根据训练图像样本的表面缺陷检测结果和扰动表面缺陷检测结果，更新通用无监督缺陷检测模型的模型参数； 迭代上述步骤至满足预设条件，得到预训练的通用无监督缺陷检测模型； 所述预设的若干类别中心特征信息通过下述方式得到： 通过特征提取器获取训练图像样本中各类别无缺陷织物的织物图像的特征信息，并将各类别无缺陷织物的织物图像的特征信息按照类别取均值，得到各类别无缺陷织物的织物图像的类别中心特征信息； 所述在各特征块上叠加扰动得到训练图像样本的各扰动特征块包括： 遍历各训练图像样本的各特征块，进行下述步骤： 获取训练图像样本的当前特征块与对齐的类别中心特征块之间的偏移量的模长，得到第一模长；以及获取预设的高斯噪声的模长，得到第二模长； 基于预设的缩放因子，将第一模长和第二模长的比值进行以固定点1为中心的线性缩放得到调整系数； 根据调整系数调整预设的高斯噪声的方差，得到当前特征块的扰动量并叠加至当前特征块，得到训练图像样本的当前扰动特征块。

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中国科学院自动化研究所，其通讯地址为：100086 北京市海淀区中关村东路95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。