買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江工業(yè)大學(xué)申請(qǐng)的專利一種基于改進(jìn)的YOLOv5模型對(duì)織物疵點(diǎn)進(jìn)行在線檢測(cè)的方法、可讀存介質(zhì)及終端設(shè)備獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115439468B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-19發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211241240.1，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于改進(jìn)的YOLOv5模型對(duì)織物疵點(diǎn)進(jìn)行在線檢測(cè)的方法、可讀存介質(zhì)及終端設(shè)備是由梁利華;丁浩禹;蘇彬彬;閉淦程;祝雷;陳海寧設(shè)計(jì)研發(fā)完成，并于2022-10-11向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于改進(jìn)的YOLOv5模型對(duì)織物疵點(diǎn)進(jìn)行在線檢測(cè)的方法、可讀存介質(zhì)及終端設(shè)備在說明書摘要公布了：本發(fā)明涉及一種基于改進(jìn)的YOLOv5模型對(duì)織物疵點(diǎn)進(jìn)行在線檢測(cè)的方法、可讀存介質(zhì)及終端設(shè)備，包括步驟：采集多種織物疵點(diǎn)圖像形成數(shù)據(jù)集并分為訓(xùn)練集和測(cè)試集，對(duì)訓(xùn)練集的織物疵點(diǎn)圖像進(jìn)行織物疵點(diǎn)類別標(biāo)注和數(shù)據(jù)增強(qiáng)，再對(duì)織物疵點(diǎn)圖像進(jìn)行預(yù)處理，使用預(yù)處理后的織物疵點(diǎn)圖像對(duì)改進(jìn)的YOLOv5模型進(jìn)行訓(xùn)練，使用測(cè)試集的織物疵點(diǎn)圖像進(jìn)行驗(yàn)證，得到織物疵點(diǎn)類別檢測(cè)及分析處理模型；基于得到的織物疵點(diǎn)類別檢測(cè)及分析處理模型實(shí)時(shí)對(duì)織物圖像進(jìn)行檢測(cè)，并輸出分析結(jié)果。本發(fā)明還公開使用該方法的可讀存介質(zhì)及終端設(shè)備。本發(fā)明方法減少了織物疵點(diǎn)的漏檢，提高了織物疵點(diǎn)檢測(cè)準(zhǔn)確率。

本發(fā)明授權(quán)一種基于改進(jìn)的YOLOv5模型對(duì)織物疵點(diǎn)進(jìn)行在線檢測(cè)的方法、可讀存介質(zhì)及終端設(shè)備在權(quán)利要求書中公布了：1.一種基于改進(jìn)的YOLOv5模型對(duì)織物疵點(diǎn)進(jìn)行在線檢測(cè)的方法，其特征在于，該方法包括如下步驟： 步驟一、采集多種織物疵點(diǎn)圖像，形成數(shù)據(jù)集； 步驟二、將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集，對(duì)訓(xùn)練集的織物疵點(diǎn)圖像進(jìn)行類別標(biāo)注，并將標(biāo)注后的織物疵點(diǎn)圖像進(jìn)行數(shù)據(jù)增強(qiáng)處理及直方圖均衡化處理； 步驟三、構(gòu)建改進(jìn)的YOLOv5模型，對(duì)輸入的圖像經(jīng)過特征提取網(wǎng)絡(luò)backbone和特征金字塔FPN提取特征，構(gòu)建任務(wù)檢測(cè)頭Head檢測(cè)提取到的特征，其中，特征提取網(wǎng)絡(luò)backbone由Focus卷積塊、CBM卷積塊和CSP卷積塊組成，其中所述CBM卷積塊包含卷積層、批量歸一化層和Mish激活層，所述CSP卷積塊包含ResNet_SPP卷積塊；所述特征提取網(wǎng)絡(luò)backbone由五個(gè)階段組成，第1階段包含F(xiàn)ocus卷積塊和CBM卷積塊，第2階段到第5階段均包含CBM卷積塊和CSP卷積塊，其中第2階段和第5階段的CSP卷積塊包含1個(gè)ResNet_SPP卷積塊，第3階段和第4階段的CSP卷積塊包含3個(gè)ResNet_SPP卷積塊；其中，特征金字塔FPN由CBM卷積塊、上采樣卷積塊和下采樣卷積塊組成；所述任務(wù)檢測(cè)頭Head，由CBM卷積塊和基礎(chǔ)卷積層組成； 步驟五、使用步驟二標(biāo)注及處理后的訓(xùn)練集的織物疵點(diǎn)圖像對(duì)改進(jìn)的YOLOv5模型進(jìn)行訓(xùn)練，使用測(cè)試集的織物疵點(diǎn)圖像進(jìn)行驗(yàn)證，將訓(xùn)練完成的改進(jìn)的YOLOv5模型作為織物疵點(diǎn)類別檢測(cè)及分析處理模型； 步驟六、將織物圖像實(shí)時(shí)輸入到織物疵點(diǎn)類別檢測(cè)及分析處理模型，織物圖像進(jìn)行在線檢測(cè)和分析，并輸出分析結(jié)果。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市下城區(qū)潮王路18號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。