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！

龙图腾网获悉北京理工大学申请的专利一种高频特征约束与边缘熵最小化的布匹瑕疵检测方法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：CN119130905B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411051792.5，技术领域涉及：G06T7/00；该发明授权一种高频特征约束与边缘熵最小化的布匹瑕疵检测方法是由李叔罡;刘驰设计研发完成，并于2024-08-01向国家知识产权局提交的专利申请。

本一种高频特征约束与边缘熵最小化的布匹瑕疵检测方法在说明书摘要公布了：本发明涉及高频特征约束与边缘熵最小化的布匹瑕疵检测方法，所述检测方法包括：步骤1.采集无瑕疵异常的布匹训练图片数据集，并对超参数进行初始化、对模型参数进行初始化和微调；步骤2.随机采样一个图像样本x，经过特征编码器得到向量量化的图像特征，通过异常生成器生成瑕疵噪声并添加到图像的原始特征中，将带有异常的特征分别输入图像重建解码器和图像还原解码器，分别重建出去异常和带有异常的图像等步骤；本发明所述检测方法具有的优越技术效果在于：通过引入高频特征约束模块和边缘熵最小化模块，显著提高了布匹瑕疵异常检测的精准度；高频特征约束模块利用离散傅里叶变换，将真实图像和重建图像转换为频域表示。

本发明授权一种高频特征约束与边缘熵最小化的布匹瑕疵检测方法在权利要求书中公布了：1.一种高频特征约束与边缘熵最小化的布匹瑕疵检测方法，包括: 步骤1.采集无瑕疵异常的布匹训练图片数据集，并对超参数进行初始化、对模型参数进行初始化和微调； 步骤2.随机采样一个图像样本，经过特征编码器得到向量量化的图像特征，通过异常生成器生成瑕疵噪声并添加到图像的原始特征中，将带有异常的特征分别输入图像重建解码器和图像还原解码器，分别重建出去异常和带有异常的图像； 步骤3.计算高频特征约束损失，监督重建的去异常图像的质量，以确保细节纹理特征的重建质量； 步骤4.计算重建的原始输入图像和重建的去异常图像的差异图像，实现对异常区域的特征增强； 步骤5.将重建的原始输入图像和重建的去异常图像以及两者的差异图像同时输入异常检测器，计算异常检测损失 步骤6.通过边缘熵最小化模块计算熵损失，对确定性低的边缘区域的预测进行优化，提升模型对边缘区域预测的置信度； 步骤7.计算联合损失，并反向传播更新参数； 步骤8.重复步骤2至7直到达到最大迭代次数或模型参数达到收敛； 步骤9.在模型的使用阶段，将测试图片输入到完成训练的布匹瑕疵异常检测模型中，对测试图片进行瑕疵检测，选择模型输出异常得分结果中置信度大于某一阈值的结果作为异常区域。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。