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！

龙图腾网获悉绍兴布眼人工智能科技有限公司申请的专利基于逐通道特征融合的印花布匹瑕疵分类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：CN115761380B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202211598316.6，技术领域涉及：G06V10/764；该发明授权基于逐通道特征融合的印花布匹瑕疵分类方法是由池明旻;陈昱设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本基于逐通道特征融合的印花布匹瑕疵分类方法在说明书摘要公布了：本发明提供了一种基于逐通道特征融合的印花布匹瑕疵分类新方法，可分为孪生ResNet骨干网络、位置感知模块、类别感知模块和分类器。其中，所述孪生ResNet骨干网络将预处理后的印花布匹待检测图像及其对应的模板图像作为输入，提取该图像对的多尺度特征；所述位置感知模块接收骨干网络提取到的多尺度特征图像对，对其进行逐元素相减与逐通道多尺度特征融合操作后，得到具有位置信息的特征金字塔；所述类别感知模块将位置感知模块提取到的特征金字塔与骨干网络提取到的待检测图像特征金字塔进行逐通道特征融合，之后结合ResNet的基础块提取更深层的特征信息；所述分类器接收类别感知模块输出的特征图，并基于全连接层完成对瑕疵类型的判别。通过该深度学习方法，能够有效地对瑕疵进行分类，减少人工误判的可能。

本发明授权基于逐通道特征融合的印花布匹瑕疵分类方法在权利要求书中公布了：1.基于逐通道特征融合的印花布匹瑕疵分类方法，其特征在于，所述的印花布匹瑕疵 分类方法包括以下步骤： S1：基于孪生ResNet骨干网络，提取出预处理后的待检测图像及其对应的模板图像共3个层次的特征图像对； S2：基于位置感知模块，提取出S1特征图像对中具有位置信息的特征金字塔，通过逐通道多尺度特征融合加强其位置信息； S3：基于类别感知模块，将S2的特征金字塔与S1的待检测图像特征金字塔进行逐通道特征融合，之后结合ResNet的基础块提取出更深层的特征； S4：基于分类器，对S3中的特征信息进行分类，并输出分类结果； 所述的印花布匹瑕疵分类方法中的步骤S2进一步包括： S21：将S1中得到的三层特征图像对输入到1×1卷积中扩充通道数至256，使三个层次的特征图通道数相同； S22：将S21中得到的三层特征图像对在图像对之间两两进行逐元素相减，得到三层差分特征金字塔； S23：将S22中得到的差分特征金子塔进行逐通道多尺度特征融合操作，最后输出位置信息得到增强的特征金字塔； 所述的基于逐通道特征融合的印花布匹瑕疵分类方法的步骤S23中，进一步包括： S231：通过上采样操作调整输入的三层特征金字塔尺寸，使第二、三层的尺寸与第一层尺寸相同，并在通道维度上进行拼接，然后进行打乱组数为3通道打乱操作，之后经过组数为256的3×3分组卷积后输出，作为特征金字塔的第一层； S232：通过上采样和最大池化操作调整输入的三层特征金字塔尺寸，使第一、三层的尺寸与第二层尺寸相同，并在通道维度上进行拼接，然后进行打乱组数为3通道打乱操作，之后经过组数为256的3×3分组卷积后输出，作为特征金字塔的第二层； S233：通过最大池化操作调整输入的三层特征金字塔尺寸，使第一、二层的尺寸与第三层尺寸相同，并在通道维度上进行拼接，然后进行打乱组数为3通道打乱操作，之后经过组数为256的3×3分组卷积后输出，作为特征金字塔的第三层； 所述的印花布匹瑕疵分类方法中的步骤S3进一步包括： S31：将S23中得到的特征金字塔与S21中通道扩充后的待检测图像特征金字塔进行逐通道融合操作，包括在每一层进行拼接和通道打乱操作，以融合待检测图像的特征信息和位置信息； S32：将S31中得到的特征金字塔的第一层特征图输入ResNet的基础块中提取深层特征；S33：将S31中得到的特征金字塔的第二层特征图与S32中得到的特征图相加后输入 ResNet的基础块中提取深层特征； S34：将S31中得到的特征金字塔的第三层特征图与S33中得到的特征图相加后输出。

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绍兴布眼人工智能科技有限公司，其通讯地址为：312099 浙江省绍兴市越城区人民中路590号(优米酒店)二楼203室；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。