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！

龙图腾网恭喜福建宇邦纺织科技有限公司申请的专利基于多模态数据的印花布面疵点智能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：CN119672484B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202510193917.6，技术领域涉及：G06V10/80；该发明授权基于多模态数据的印花布面疵点智能识别方法是由王明辉;陈建雄;舒万红设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本基于多模态数据的印花布面疵点智能识别方法在说明书摘要公布了：本发明涉及一种基于多模态数据的印花布面疵点智能识别方法，S1:使用高分辨率的RGB摄像机获取印花布面全局图像，并进行预处理；S2:基于图像识别模型，识别潜在的疵点候选区域，并结合非最大值抑制以减少重叠的疵点候选区域；S3:通过近红外摄像设备获取疵点候选区域的图像，并通过高光谱成像，获取高光谱图像；S4:从疵点候选区域的近红外图像、高光谱图像中提取特征，并进行特征融合；S5:根据融合后的特征，基于多模态检测模型，对疵点候选区域进行细粒度疵点识别与定位；S6:通过后处理步骤，去除虚假阳性并合并相邻区域，提升疵点检测精度，最后生成检测报告。本发明能够有效识别并评估印花布面疵点，实现高精度、高效率的检测。

本发明授权基于多模态数据的印花布面疵点智能识别方法在权利要求书中公布了：1.基于多模态数据的印花布面疵点智能识别方法，其特征在于，包括以下步骤：S1:使用高分辨率的RGB摄像机获取印花布面全局图像，并进行预处理；S2:基于图像识别模型，识别潜在的疵点候选区域，并结合非最大值抑制以减少重叠的疵点候选区域；S3:通过近红外摄像设备获取疵点候选区域的图像，并通过高光谱成像，获取高光谱图像；S4:从疵点候选区域的近红外图像、高光谱图像中提取特征，并进行特征融合；S5:根据融合后的特征，基于多模态检测模型，对疵点候选区域进行细粒度疵点识别与定位，加入注意力机制，以提高对疵点复杂特征的捕捉能力；S6:通过后处理步骤，去除虚假阳性并合并相邻区域，提升疵点检测精度，最后生成检测报告，标出疵点的位置、类型和可能面积，供操作人员对之后的工艺做出调整；所述图像识别模型基于卷积特征提取网络、区域建议网络和FasterR-CNN构建，具体如下：卷积特征提取网络采用ResNet网络，在图像上提取丰富的特征表示；区域建议网络RPN通过滑动窗口在特征图上生成一组候选区域，每个窗口滑动到一个特征点时，产生不同尺度和宽高比的多个候选区域anchor；RPN使用二分类判别模型来确定每个anchor是否包含目标以及特定疵点类别；进一步通过回归调整候选区域的精确边界，损失函数为： ；其中，为候选区域被预测为某个类别的概率值；为候选区域的真实类别标签；为预测的边界框回归参数；为真实的边界框回归参数；为分类损失的归一化因子，为回归损失的归一化因子，为损失权重系数，为分类损失函数；为回归损失函数：FastR-CNN提取RoI特征，基于RPN生成的候选区域通过RoIPooling从卷积特征图裁剪固定大小的特征，并使用全连接层对每个候选特征进行类别判别和边界框精修，获取疵点候选区域；所述多模态检测模型，具体如下：基于改进R-CNN架构构建多模态检测模型，使用自定义模块引入通道注意力机制和空间注意力机制，突出疵点重要特征；通道注意力，强调特征图中重要的通道，通过全局平均池化和全局最大池化生成通道注意力McX：McX=σsW1δW0FaX+W1δW0FmX；其中，σs为Sigmoid激活函数；δ为非线性激活函数；W0和W1为权重矩阵；FaX，FmX分别是输入特征图X的全局平均池化和全局最大池化操作；空间注意力MsX，用于强调特征图中有特征显著的区域：MsX=σsf7×7[FaX;FmX]；其中，f7×7表示使用一个7×7的卷积核进行卷积操作；同时学习分类任务和边界框回归任务；结合注意力模块的输出，生成用于疵点识别的类别概率和用于精确定位的边界框预测；损失函数L包括分类损失使用交叉熵损失Lcls，回归损失使用平滑L1损失Lreg： ；其中：为分类损失，用于评估预测结果p与真实标签之间的差异；为回归损失，用于评估预测的边界框参数与真实参数之间的差异；为超参数；a表示第a个样本,表示二值开关变量，决定第a个候选框是否需要计算边界框的回归损失。

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福建宇邦纺织科技有限公司，其通讯地址为：350000 福建省福州市福州元洪开发区(城头镇)元城路3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”。