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！

龙图腾网获悉青岛大学申请的专利一种基于对比学习方法的络筒图像疵点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：CN115861639B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211277980.0，技术领域涉及：G06V10/44；该发明授权一种基于对比学习方法的络筒图像疵点检测方法是由李臻;张元明;姜伟;徐磊;夏雷鸣;潘守润设计研发完成，并于2022-10-19向国家知识产权局提交的专利申请。

本一种基于对比学习方法的络筒图像疵点检测方法在说明书摘要公布了：一种基于对比学习方法的络筒图像疵点检测方法，涉及络筒质量检测技术领域，包括如下步骤：步骤1、筒纱图像的收集、处理与分割；步骤2、基于BERT算法获得筒纱图像的行列向量特征表示；步骤3、基于对比学习的行列图像特征提取方法，利用每一行列图像与其周围图像的关系进行特征学习；步骤4、基于聚类方法对筒纱图像疵点进行定位。本发明为了降低数据的复杂性，提升算法准确性，将二维图像转换为多个一维向量，融合了基于BERT的方法以及对比学习的方法，进而提高了算法的效率。同时通过支持向量机学习和预测对应的一维向量是否存在疵点的概率，并通过改进DBSCAN聚类算法，从而准确确定图像中的疵点区域。

本发明授权一种基于对比学习方法的络筒图像疵点检测方法在权利要求书中公布了：1.一种基于对比学习方法的络筒图像疵点检测方法，其特征为：包括如下步骤： 步骤1、筒纱图像的收集、处理与分割； 步骤2、基于BERT算法获得筒纱图像的行向量、列向量特征表示； 步骤3、基于对比学习的行向量、列向量图像特征提取方法，利用每一行向量、列向量图像与其周围图像的关系进行特征学习； 步骤4、基于聚类方法对筒纱图像疵点进行定位； 所述的步骤2包括如下具体步骤： （1B）采用基于自监督学习的方法进行筒纱图像的行列向量特征提取； （2B）采用类比于自然语言处理方法，对于筒纱图像的每一行向量按照序列进行处理：首先，对于每一个像素其RGB值通过线性变换成为输入向量，此外，对于不同像素的位置，对位置进行编码，得到每个像素的位置编码，2个向量相加得到输入模型的每一个像素的输入向量，即=； （3B）采用类比于自然语言处理的BERT算法，对于每一行的所有像素的特征向量，选择其中的15%进行掩膜处理，其中50%的向量随机替换为其他向量，50%的向量采用指定颜色（0,0,128），编码后的向量进行标记； （4B）采用基于编码器-解码器的方式对于掩码的内容以及替换的内容进行预测：通过编码器对所有的数据行列数据进行处理，并得到其特征向量，并将该特征向量输入至解码器，通过解码器重建所有输入向量，并通过掩膜处理，提高编码器、解码器的容错能力，提升特征向量的鲁棒性，并将中间的输出向量作为每行的表示； 所述的步骤2中，对于列向量采用同样的处理方法； 所述的步骤3包括如下具体步骤： （1C）构建正负样本：对于每一行图像，其相邻的上下两行图像均与该图像作为正样本对；对于每一行图像，其像素点通过随机扰乱的形式进行数据增强，增强后的数据与原始行一起作为正样本对；通过随机选择其他行的数据与当前行组合成为负样本对； （2C）对于每一行的数据，其上下两行分别表示为和，随机扰乱行表示为，其他随机行表示为；采用一维CNN模型对于每一行数据进行处理，每一行卷积之后的特征表示为； （3C）对于所有的正、负样本对，采用基于对比学习的CNN损失函数： （1） 公式（1）中，为2个向量之间的相似性；对于一个正样本对与，其相似性越高越好；对于所有的负样本对，其相似性越低越好；N为训练集合的图片数量；根据损失函数训练得到鲁棒性较强的CNN模型，对于每一行的数据进行特征提取； （4C）对于每一行x的数据，将2个模型输出的特征向量进行拼接[]，得到最终的向量表示；对于每一列的数据，也采用同样的处理方法，获取最终的向量表示。

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青岛大学，其通讯地址为：266071 山东省青岛市市南区宁夏路308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”。