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！

龙图腾网获悉山东南山智尚科技股份有限公司;烟台南山学院;山东科技大学申请的专利一种识别布匹细小复杂瑕疵的方法、计算机设备以及介质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：CN119180808B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411333664.X，技术领域涉及：G06T7/00；该发明授权一种识别布匹细小复杂瑕疵的方法、计算机设备以及介质是由栾文辉;白培瑞;梁浩;钱耀盟;宋作杰;赵亮;刘刚中;胡炎帅;吕钱烈;刘庆一;韩超设计研发完成，并于2024-09-24向国家知识产权局提交的专利申请。

本一种识别布匹细小复杂瑕疵的方法、计算机设备以及介质在说明书摘要公布了：本发明属于图像处理技术领域，公开了一种识别布匹细小复杂瑕疵的方法、计算机设备以及介质。本发明搭建基于改进的YOLOv9模型的布匹细小复杂瑕疵识别模型，即在主支路结构的主干网络中引入改进蛇形动态卷积模块C‑DSC，对瑕疵点自适应动态提取，以改善对目标形状和边界的敏感性，增强对复杂细长样式的瑕疵检测；其次使用RT‑DETR模型中的AIFI模块来替换YOLOv9模型中的SPPELAN模块，增强同一尺度内特征之间的交互，减少处理延迟，提高速度；最后在检测头网络前加入多尺度前馈网络MSFN，聚合多尺度特征并增强非线性信息转换。本发明提高了针对布匹瑕疵图像中细小复杂瑕疵的识别准确率和效率。

本发明授权一种识别布匹细小复杂瑕疵的方法、计算机设备以及介质在权利要求书中公布了：1.一种识别布匹细小复杂瑕疵的方法，其特征在于，包括如下步骤： 步骤1.首先对收集的布匹瑕疵图像进行预处理，并形成用于模型训练的数据集； 步骤2.搭建基于改进的YOLOv9模型的布匹细小复杂瑕疵识别模型；其中改进的YOLOv9模型，其主支路结构是在原有YOLOv9模型的基础上进行如下改进得到的： 在主支路结构的主干网络中引入改进蛇形动态卷积模块C-DSC，对瑕疵点自适应动态提取，用于提高对复杂瑕疵形状和边界的敏感性，增强对细长复杂样式的瑕疵检测能力； 主干网络包括卷积模块、CR模块以及改进蛇形动态卷积模块C-DSC，CR模块有四个，输入主干网络的特征依次经过卷积模块、四个CR模块特征提取后再进入C-DSC； C-DSC是在原有DSC卷积的基础上引入CBAM注意力机制得到的，经过DSC多次迭代之后的特征信息传入到CBAM模块当中分别进行空间注意力和通道注意力的运算； 使用RT-DETR模型中的AIFI模块来替换YOLOv9模型中的SPPELAN模块，用于增强模型对局部和全局信息的处理能力，增强同一尺度内特征之间的交互； C-DSC的输出特征作为AIFI模块的输入特征，输入到颈部网络的AIFI模块中； 所述CBAM包含2个独立的子模块，即通道注意力模块CAM和空间注意力模块SAM，分别进行通道与空间上的注意力运算；C-DSC的处理流程如下： 输入的特征图像首先输入DSC卷积，分别进行横向和纵向的特征提取，提取完成之后首先进行特征的融合，而后进行下采样使得图像符合显示区域的大小，并生成对应图像的缩略图，多次迭代之后的结果传入下一过程；下一步的DSC卷积接受到信息之后再次进行特征提取，提取之后将横向与纵向特征进行融合，并对其进行上采样来放大原图像，恢复原尺寸；多次迭代之后的特征信息传入到CBAM模块当中分别进行空间注意力和通道注意力的运算；随后与标签进行对比，向上反馈TCLoss，最终获得输出结果； 在Head层前加入多尺度前馈网络MSFN，用于聚合多尺度特征并增强非线性信息转换； 步骤3.利用步骤1的数据集训练基于改进的YOLOv9模型的布匹细小复杂瑕疵识别模型，在布匹细小复杂瑕疵识别模型训练过程中，引入辅助分支帮助训练； 步骤4.将待识别的布匹瑕疵图像经过步骤1的预处理后，输入步骤3训练好的布匹细小复杂瑕疵识别模型中，最终输出得到目标识别结果，包括边界框的位置和类别，从而识别出布匹瑕疵图像中存在的布匹细小复杂瑕疵。

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山东南山智尚科技股份有限公司;烟台南山学院;山东科技大学，其通讯地址为：265706 山东省烟台市龙口市东江镇南山工业园；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。