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！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西安工程大學(xué)申請的專利一種基于輕量化網(wǎng)絡(luò)的數(shù)碼印花缺陷檢測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120411118B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-23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?zhí)?專利號為：202510926350.9，技術(shù)領(lǐng)域涉及：G06T7/00；該發(fā)明授權(quán)一種基于輕量化網(wǎng)絡(luò)的數(shù)碼印花缺陷檢測方法是由蘇澤斌;張幸一;黃樂天;李鵬飛;景軍鋒;張緩緩;姜萌設(shè)計研發(fā)完成，并于2025-07-07向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于輕量化網(wǎng)絡(luò)的數(shù)碼印花缺陷檢測方法在說明書摘要公布了：本發(fā)明提出了一種基于輕量化網(wǎng)絡(luò)的數(shù)碼印花缺陷檢測方法，通過將待檢測圖像輸入至訓(xùn)練好的檢測模型中，以使訓(xùn)練好的檢測模型執(zhí)行檢測過程，從而得到數(shù)碼印花織物是否存在缺陷的檢測結(jié)果。檢測過程包括：對待檢測圖像進(jìn)行小波變換提取出高頻分量和低頻分量，并利用兩者提取出輪廓語義混合特征；對輪廓語義混合特征進(jìn)行增強(qiáng)得到增強(qiáng)輪廓語義混合特征；根據(jù)增強(qiáng)輪廓語義混合特征進(jìn)行分類檢測。由于本發(fā)明的訓(xùn)練好的檢測模型設(shè)計了小波卷積模塊、包含注意力機(jī)制的并行模塊、改進(jìn)型多尺度瓶頸模塊，以提高檢測效果，以實現(xiàn)在相同硬件條件下更高效且準(zhǔn)確的缺陷檢測，解決了現(xiàn)有技術(shù)在數(shù)碼印花織物缺陷檢測中檢測精度低、速度慢、難以泛化等問題。

本發(fā)明授權(quán)一種基于輕量化網(wǎng)絡(luò)的數(shù)碼印花缺陷檢測方法在權(quán)利要求書中公布了：1.一種基于輕量化網(wǎng)絡(luò)的數(shù)碼印花缺陷檢測方法，其特征在于，包括： S100，獲取包含數(shù)碼印花織物的待檢測圖像； S200，將所述待檢測圖像輸入至訓(xùn)練好的檢測模型中，以使所述訓(xùn)練好的檢測模型執(zhí)行檢測過程，從而得到數(shù)碼印花織物是否存在缺陷的檢測結(jié)果，所述檢測過程包括：對所述待檢測圖像進(jìn)行小波變換提取出高頻分量和低頻分量，并利用所述高頻分量和所述低頻分量提取出輪廓語義混合特征；對所述輪廓語義混合特征進(jìn)行增強(qiáng)得到增強(qiáng)輪廓語義混合特征；根據(jù)所述增強(qiáng)輪廓語義混合特征進(jìn)行分類檢測； 所述訓(xùn)練好的檢測模型包括依次連接的骨干網(wǎng)絡(luò)、頸部網(wǎng)絡(luò)和檢測頭組； 其中，所述骨干網(wǎng)絡(luò)，用于提取待檢測圖像的高頻分量和低頻分量，并結(jié)合所述高頻分量和低頻分量提出所有通道的小波變換特征，對每個通道的小波變換特征進(jìn)行編碼，并結(jié)合位置信息得到輪廓語義混合特征； 所述頸部網(wǎng)絡(luò)，用于對所述輪廓語義混合特征進(jìn)行增強(qiáng)，得到增強(qiáng)輪廓語義混合特征； 所述檢測頭組，用于根據(jù)所述增強(qiáng)輪廓語義混合特征進(jìn)行分類檢測，得到數(shù)碼印花織物是否存在缺陷的檢測結(jié)果； 所述骨干網(wǎng)絡(luò)包括一個小波卷積模塊、四個并行模塊和三個多尺度瓶頸模塊，四個并行模塊和三個多尺度瓶頸模塊，按照先并行模塊再多尺度瓶頸模塊的方式交替連接； 所述小波卷積模塊，用于對所述待檢測圖像進(jìn)行小波變換得到高頻分量和低頻分量，對所述低頻分量依次進(jìn)行卷積和深度可分離卷積得到低頻特征，將所述低頻特征和所述高頻分量整合得到小波變換特征； 每個并行模塊，用于對輸入特征進(jìn)行縱向和橫向平均池化得到對應(yīng)的縱向池化特征和橫向池化特征；對所述縱向池化特征和所述橫向池化特征分別進(jìn)行線性編碼得到縱向編碼特征和橫向編碼特征；對所述縱向編碼特征和所述橫向編碼特征進(jìn)行重建得到重建特征，對所述重建特征進(jìn)行下采樣得到第一張量特征；將所述小波變換特征進(jìn)行卷積、批量歸一化和激活處理得到第二張量特征；將所述第一張量特征和所述第二張量特征進(jìn)行聚合得到第一聚合特征； 每個多尺度瓶頸模塊，用于通過多尺度卷積對并行模塊輸出的第一聚合特征進(jìn)行特征提取得到輪廓特征，從而輸出輪廓特征至下一個連接的并行模塊； 其中，第一個并行模塊的輸入特征為所述小波變換特征，除第一個外的其他并行模塊的輸入為上一個多尺度瓶頸模塊輸出的輪廓特征；最后一個并行模塊輸出的特征為所述骨干網(wǎng)絡(luò)輸出的輪廓語義混合特征。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人西安工程大學(xué)，其通訊地址為：710043 陜西省西安市新城區(qū)金花南路19號；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)”。