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！

龙图腾网获悉电子科技大学中山学院申请的专利一种线缝检测方法、装置、电子设备及存储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：CN116109549B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202211257561.0，技术领域涉及：G06T7/00；该发明授权一种线缝检测方法、装置、电子设备及存储介质是由彭程;梁椅辉;宋丹;董帅设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本一种线缝检测方法、装置、电子设备及存储介质在说明书摘要公布了：本申请提供一种线缝检测方法、装置、电子设备及存储介质，该方法包括：获取待处理图像，待处理图像是对目标线缝进行拍摄获得的，目标线缝是对多个待缝材料缝制获得的；使用神经网络模型对待处理图像中的线缝端点坐标进行检测，获得目标线缝的端点坐标，神经网络模型是以线缝端点坐标为样本标签训练获得的；将目标线缝的端点坐标相互连接，获得目标线缝。使用以线段端点为样本标签训练获得的神经网络模型，对待处理图像中的线缝端点坐标进行检测，并将检测出来的目标线缝的端点坐标相互连接，从而获得目标线缝，避免了使用红外探边传感器只能检测到材料外边沿的情况，有效地识别出待缝材料在缝制时的线缝。

本发明授权一种线缝检测方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种线缝检测方法，其特征在于，包括： 获取待处理图像，所述待处理图像是对目标线缝进行拍摄获得的，所述目标线缝是对多个待缝材料缝制获得的； 使用神经网络模型对所述待处理图像中的线缝端点坐标进行检测，获得所述目标线缝的端点坐标，所述神经网络模型是以线缝端点坐标为样本标签训练获得的； 将所述目标线缝的端点坐标相互连接，获得所述目标线缝； 其中，所述目标线缝在所述待处理图像中是所述多个待缝材料中的第一待缝材料与第二待缝材料之间待检测的连接线，所述多个待缝材料包括：不同种类的材料，或者，种类相同但花纹不同的材料，或者，种类相同且花纹相同但制作方法不同的材料； 所述神经网络模型包括：多个特征提取分支、注意力融合模块和特征映射模块，所述多个特征提取分支、所述注意力融合模块和所述特征映射模块是依次连接的，所述多个特征提取分支包括：第一特征提取分支、第二特征提取分支和第三特征提取分支；所述使用神经网络模型对所述待处理图像中的线缝端点坐标进行检测，包括：使用所述第一特征提取分支提取所述待处理图像的全局特征，使用所述第二特征提取分支提取所述待处理图像的不同尺度的局部特征，对待处理图像进行二值化处理，获得二值化图像，使用所述第三特征提取分支提取所述二值化图像中的边缘特征；使用所述注意力融合模块对所述边缘特征、所述全局特征和所述不同尺度的局部特征进行融合，获得图像融合特征；使用所述特征映射模块对所述图像融合特征进行线缝端点坐标映射，获得所述线缝端点坐标； 在所述使用神经网络模型对所述待处理图像中的线缝端点坐标进行检测之前，还包括： 获取多个样本图像和多个样本标签，所述样本标签是对所述样本图像中的线缝端点坐标进行标注获得的； 以所述多个样本图像为训练数据，以所述多个样本标签为训练标签，对神经网络进行训练，获得所述神经网络模型； 所述对神经网络进行训练，包括： 使用所述神经网络对所述样本图像中的线缝端点坐标进行预测，获得预测出的线缝端点坐标； 计算所述预测出的线缝端点坐标与所述样本标签中的线缝端点坐标之间的损失值；基于ArcFace损失函数计算所述损失值； ArcFace损失函数表达式为： 其中，LArcFace表示ArcFace损失函数计算出来的损失值，N为神经网路输出向量的长度，表示神经网络输出向量与第i列的参数权重向量之间的夹角，s和m为超参数； 根据所述损失值对所述神经网络进行训练； 在所述获得所述目标线缝的端点坐标之后，还包括： 判断所述目标线缝的端点坐标的所在直线倾斜角度是否超出预设角度范围； 若是，则调整所述目标线缝，以使所述目标线缝的端点坐标的所在直线倾斜角度在所述预设角度范围内； 在所述获得所述目标线缝之后，还包括： 判断所述目标线缝的倾斜角度与预设直线的倾斜角度之间的角度差值是否大于预设角度阈值； 若是，则调整所述目标线缝，以使所述目标线缝的倾斜角度与预设直线的倾斜角度之间的角度差值小于所述预设角度阈值； 所述待缝材料包括：布料、皮革和或塑料。

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电子科技大学中山学院，其通讯地址为：528400 广东省中山市石岐区学院路1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”。

以上内容由龙图腾AI智能生成。