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模糊光照场景下跨布匹细粒度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：CN115841473B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202211575391.0，技术领域涉及：G06T7/00；该发明授权模糊光照场景下跨布匹细粒度瑕疵检测方法是由李爽;李明嘉;刘驰设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本模糊光照场景下跨布匹细粒度瑕疵检测方法在说明书摘要公布了：本发明提出一种模糊光照场景下跨布匹细粒度瑕疵检测方法，包括：收集源域带标注布匹瑕疵检测图像数据集和目标域无标注布匹瑕疵检测图像数据集；构建瑕疵细粒度检测基础模块和领域感知适配模块；跨布匹细粒度瑕疵检测模型输入数据；得到对错误预测结果进行抑制后的逻辑值；训练跨布匹细粒度瑕疵检测模型；将即时收集的目标域布匹生产线的布匹图像数据输入训练好的布匹瑕疵检测模型中进行瑕疵检测，选择模型输出结果中分类置信度最大的预测结果作为最终检测结果，所述方法利用在简单场景下源域模型学习到的瑕疵检测知识，在有着低亮度模糊光照条件的环境中保持良好的瑕疵检测性能，具有良好的泛化性能。

本发明授权模糊光照场景下跨布匹细粒度瑕疵检测方法在权利要求书中公布了：1.一种模糊光照场景下跨布匹细粒度瑕疵检测方法，其特征在于，包括： 步骤1，布匹轻量成像模块收集源域带标注布匹瑕疵检测图像数据集和目标域无标注布匹瑕疵检测图像数据集，其中，目标域无标注布匹瑕疵检测图像数据集是在亮度小于20nits的低亮度模糊光照场景下的布匹图像收集形成的； 步骤2，构建瑕疵细粒度检测基础模块和领域感知适配模块： 瑕疵细粒度检测基础模块是基于自注意力机制的编码器和针对密集视觉任务优化的解码器构建的一个基础网络架构，其作用是提取布匹的细粒度特征； 领域感知适配模块包括低亮度模糊光照调制模块和偏差感知的误检漏检抑制模块； 瑕疵细粒度检测基础模块和领域感知适配模块是跨布匹细粒度瑕疵检测模型中的两个组成部分； 步骤3，采样一个源域样本数据以及一个目标域样本数据作为跨布匹细粒度瑕疵检测模型的输入，目标域样本数据经过低亮度模糊光照调制模块获得利于感知的目标域增强样本； 步骤4，根据源域样本数据获得源域样本上对于瑕疵预测的逻辑值，根据目标域样本数据和目标域增强样本，获得目标域瑕疵检测预测结果的逻辑值和，根据逻辑值得到对错误预测结果进行抑制后的逻辑值： 步骤41，源域样本数据经过MiT-B5主干自注意力网络后获得多层的输出特征图，将特征图输入解码器中，获得源域样本上对于瑕疵预测的逻辑值；目标域样本数据和目标域增强样本均经过MiT-B5主干网络获得多层特征图，将特征图分别经过解码器得到目标域瑕疵检测预测结果的逻辑值和； 步骤42，对于目标域增强样本，利用网络对其产生的伪标签作为代理标注信息，同时指导目标域样本数据和目标域增强样本的训练； 步骤43，将预测的逻辑值送入偏差感知的误检漏检抑制模块进行调整，以对潜在的错误预测结果进行抑制，得到抑制后的逻辑值； 步骤5，训练跨布匹细粒度瑕疵检测模型： 步骤51，使用抑制之后的逻辑值分别计算出最终的布匹瑕疵检测预测结果，分别使用源域上的真实标注信息和目标域上的代理标注信息计算得到各自的预测结果损失函数； 步骤52，使用目标域置信程度对目标域损失加权，计算完整损失，并利用随机梯度下降算法对其反向传播，对模型的参数进行更新，并让损失函数最小化，实现从源域到目标域的可靠知识转移以提高目标域泛化性和性能； 步骤53，重复步骤51-52进行训练，直至模型收敛或达到最大迭代次数； 步骤6，将即时收集的目标域布匹生产线的布匹图像数据输入训练好的跨布匹细粒度瑕疵检测模型中进行瑕疵检测，选择模型输出结果中分类置信度最大的预测结果作为最终检测结果。

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。