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！

龙图腾网获悉上海交通大学宁波人工智能研究院申请的专利一种纱线质量预测系统和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：CN115908351B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202211544520.X，技术领域涉及：G06T7/00；该发明授权一种纱线质量预测系统和方法是由张诚;琚长江;杨根科;金国标;陈文浩;刘琳;薛惊理;施江浩;熊灿设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本一种纱线质量预测系统和方法在说明书摘要公布了：本发明公开了一种纱线质量预测系统，涉及计算机视觉和纺织技术领域，包括数据采集模块、数据存储模块、数据预处理模块、疵点检测模块、数理模型模块、综合质量预测模块；本发明还公开了一种纱线质量预测方法，包括：S100、准备工作，S200、纱线输送，S300、纱线原始数据采集，S400、纱线原始数据存储，S500、纱线原始数据预处理，S600、纱线检测结果获得，S700、纱线质量指标计算，S800、纱线质量综合预测。本发明保证了所述纱线质量预测结果的有效性，提高了纱线综合质量预测结果准确性。

本发明授权一种纱线质量预测系统和方法在权利要求书中公布了：1.一种纱线质量预测系统，其特征在于，包括： 数据采集模块，采集纱线原始数据； 数据存储模块，存储所述纱线原始数据； 数据预处理模块，对所述纱线原始数据进行预处理； 疵点检测模块，构建深度学习模型，使用所述深度学习模型进行疵点处理，生成纱线检测结果；疵点检测模块构建深度学习模型，输入训练集与验证集进行训练，当目标检测结果的损失函数最小时，完成深度学习模型训练，具体包括： S121、构建深度学习模型网络，设置网络训练超参数初始值，以CascadeRCNN作为纱线目标检测网络，以ResNet50作为特征提取骨干网络，纱线目标检测网络还包括区域生成网络、分类回归网络及特征融合网络，由特征提取骨干网络得到特征图像，通过特征融合网络进行特征融合增强，通过区域生成网络和分类回归网络进行疵点定位与识别； S122、改进ResNet50，使用可变形卷积替换ResNet50中原有的卷积核，随待检测目标的不同而动态调整，使提取的特征集中在目标上，增强特征提取骨干网络对形态复杂多变的疵点的特征提取能力； S123、提取实时纱线图像的纱线特征信息，针对CascadeRCNN网络，增加FPN及BFP，均衡融合不同层次的特征，利用特征提取骨干网络提取实时纱线图像的纱线特征信息； S124、训练深度学习模型，计算纱线目标检测网络的误差损失，更新权重参数，使深度学习模型误差最小； S125、完成深度学习模型训练，反复步骤S121至S124进行训练不少于200次，当目标检测结果的损失函数最小时，完成深度学习模型训练； 数理模型模块，使用所述纱线原始数据计算纱线质量指标，所述纱线质量指标包括纱线条干不匀率与纱线拉伸性能，所述纱线条干不匀率计算使用Martindale公式，如下： 1 2 其中，为纱线条干不匀率，为毛纤维直径离散系数，为纱线线密度，为毛纤维直径，为中间变量； 所述纱线拉伸性能计算使用Barella公式，如下： 3 其中，代表纱线拉伸性能，为纱线捻度； 综合质量预测模块，综合所述纱线检测结果和所述纱线质量指标，对纱线质量进行预测，对纱线质量进行预测包括预测纱线疵点类型及数量、纱线条干不匀率及纱线拉伸性能； 所述数据采集模块、所述数据存储模块与所述数据预处理模块依次通信连接，所述数据预处理模块分别与所述疵点检测模块和所述数理模型模块通信连接，所述综合质量预测模块分别与所述疵点检测模块和所述数理模型模块通信连接； 响应于自动落纱机的纱线输送，所述数据采集模块采集所述纱线原始数据，发送到所述数据存储模块进行存储，然后到所述数据预处理模块进预处理，经过预处理的所述纱线原始数据通过所述疵点检测模块构建的所述深度学习模型得到所述纱线检测结果，通过所述数理模型模块计算所述纱线质量指标，所述综合质量预测模块根据所述纱线检测结果和所述纱线质量指标，对纱线质量进行预测。

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上海交通大学宁波人工智能研究院，其通讯地址为：315012 浙江省宁波市海曙区南门街道南站西路29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。