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！

龙图腾网恭喜浙江工业大学申请的专利一种基于深度卷积神经网络的布匹疵点识别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：CN112102224B 。

龙图腾网通过国家知识产权局官网在2025-01-10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：201910527733.3，技术领域涉及：G06T7/00；该发明授权一种基于深度卷积神经网络的布匹疵点识别方法是由朱威;陈康;任振峰;郑雅羽设计研发完成，并于2019-06-18向国家知识产权局提交的专利申请。

本一种基于深度卷积神经网络的布匹疵点识别方法在说明书摘要公布了：本发明涉及一种基于深度卷积神经网络的布匹疵点识别方法，包括以下四个部分：（1）修改FasterR‑CNN神经网络模型，包括使用全局平局池化层替代特征提取网络中的前两个全连接层，并增加区域建议网络中的锚点框；（2）使用数据增强的方法扩充数据集；（3）采用变化的学习率训练改进后的FasterR‑CNN网络模型；（4）使用工业线阵相机采集布匹图像，并使用训练好的网络模型识别疵点，输出疵点类别和位置信息。本发明能对断纬、断经、破洞、浮纬等多种类型布匹瑕疵进行识别，具有较快的识别速度和较高的识别精度。

本发明授权一种基于深度卷积神经网络的布匹疵点识别方法在权利要求书中公布了：1.一种基于深度卷积神经网络的布匹疵点识别方法，其特征在于，所述的识别方法包括以下步骤：1FasterR-CNN神经网络修改，包含以下子步骤：1-1将FasterR-CNN的特征提取网络VGG-16中的前两个全连接层FC1、FC2用一个全局平均池化层替代，第三个全连接层FC3保持不变；1-2在FasterR-CNN的原区域生成网络的9种预测锚点框的基础上增加锚点框的尺度大小与尺度变化种类，生成多于9个尺度变化的锚点框；2收集布匹疵点原始数据，使用数据增强的方法扩充数据集；3神经网络训练优化：采用变化的学习率训练1中改进后的FasterR-CNN网络模型；4布匹图像实时检测与分类：4-1使用工业相机采集布匹的原始图像；4-2使用训练好的改进FasterR-CNN神经网络对布匹图像进行疵点检测，得到疵点在图像中的位置及其类型，包含以下子步骤：4-2-1使用VGG-16的13个共享卷积层提取布匹图像特征，生成特征图；4-2-2对特征图做维度为256、卷积核大小为3×3、步长为1的卷积，根据RPN网络对每个锚点框做分类学习，区分属于前景还是后景，以及对分类框位置回归调整至疵点所在的区域范围，输出分类得分与各个框回归后的位置坐标；4-2-3根据RPN的区域意见生成ROI区域，并将各ROI区域统一至7×7大小，每个ROI区域包含512个通道，ROI区域经过全局平均池化层与全连接层将特征映射到样本空间，得到在各样本空间上的分类得分及回归后的目标边框；4-2-4根据分类得分和回归后的目标边框位置信息，对每个目标框的分类得分做分类排序，获取最高得分的类，当最高得分超过设定阈值TH时则该目标框内为最高得分的疵点类，否则目标框内无疵点，输出检测出的疵点类别以及位置信息，TH的取值范围为[0,1]；4-3重复步骤4-1至步骤4-2，完成整卷布匹的检测。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。