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！

龙图腾网获悉浙江大学申请的专利基于弱监督学习的毛丝缺陷图像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：CN115908423B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310055343.7，技术领域涉及：G06T7/00；该发明授权基于弱监督学习的毛丝缺陷图像检测方法是由叶炜;赵博文;王智;王文海设计研发完成，并于2023-01-18向国家知识产权局提交的专利申请。

本基于弱监督学习的毛丝缺陷图像检测方法在说明书摘要公布了：本发明公开了一种基于弱监督学习的毛丝缺陷图像检测方法，该方法包括以下步骤：搭建检测装置，获取待检测丝锭产品的图像，使用滑动窗口截出所有可能存在毛丝的图像样本，使用分割模型对图像样本逐一推理，得到样本分割图；将样本分割图拼接，使用形态学方法处理整合后的整体分割图；统计整体分割图中的毛丝块及其面积、包围盒信息；整合分割图，统计单个丝锭上存在的毛丝信息，输出丝锭的毛丝缺陷信息。本发明引入弱监督学习范式，克服了监督学习范式下人工标签一致性差所带来的性能瓶颈，提高了丝锭毛丝缺陷检测的准确率，同时节省了人工标注所需成本。

本发明授权基于弱监督学习的毛丝缺陷图像检测方法在权利要求书中公布了：1.基于弱监督学习的毛丝缺陷图像检测方法，其特征在于，包括以下步骤： 步骤一：获取待检测丝锭产品的原始图像； 步骤二：使用算法分割原始图像，获得掩码标注； 步骤三：使用原始图像及掩码标注构建预训练数据集； 步骤四：使用预训练数据集对U-Net模型进行预训练，获得预训练模型； 步骤五：对步骤四获得的预训练模型进行弱监督训练，获得弱监督训练模型； 按照固定轮数进行弱监督训练，每一轮弱监督训练包含两个步骤：弱标签更新和网络参数更新，整个训练过程中弱标签更新和网络参数更新交替进行；明确步骤三获得的预训练数据标签集作为弱监督训练的初始标签；首先进行弱标签更新，使用U-Net模型对训练集样本进行推理，得到U-Net模型直接预测的概率图；使用DenseCRF对概率图进行调整，得到概率图；根据置信度阈值将概率图中概率值小于的像素标记为背景，将其余的像素标记为毛丝，得到标记图；使用标记图替换原本的标记图；之后进行网络更新，使用样本原图和更新后的标记图训练U-Net网络；两个步骤完成后，使用测试集数据对本轮得到的模型进行性能测试，保存测试结果和模型参数； 弱监督训练完成后，根据弱监督训练过程中得到的模型及测试结果，保留准确率最高的参数组； 步骤六：将待检测样本输入弱监督训练模型进行推理，得到样本中的毛丝分割图像； 步骤七：整理毛丝分割图像，得到样本中的缺陷信息； 步骤八：输出缺陷信息； 所述步骤二包含以下步骤： 步骤2.1：使用高斯滤波、中值滤波、均值滤波对原始图像滤波，获得去噪图像； 步骤2.2：使用Canny算法对去噪图像提取丝锭边缘图和毛丝边缘图； 步骤2.3：根据丝锭边缘图将毛丝边缘图中的丝锭边缘去除，获得毛丝边缘图； 步骤2.4：对毛丝边缘图进行形态学闭运算操作，获得毛丝掩码标注； 所述步骤三包含以下步骤： 步骤3.1：以丝锭边缘为窗口中心，滑动窗口截取图像块； 步骤3.2：计算所有图像块的灰度值总和，根据灰度值总和剔除不包含丝锭的图像块，得到预训练数据集。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。