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！

龙图腾网获悉浙江工业大学申请的专利一种基于弱监督学习的单色布匹瑕疵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：CN115205209B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202210595197.2，技术领域涉及：G06T7/00；该发明授权一种基于弱监督学习的单色布匹瑕疵检测方法是由朱威;陈思洁;高浩杰;郑雅羽设计研发完成，并于2022-05-28向国家知识产权局提交的专利申请。

本一种基于弱监督学习的单色布匹瑕疵检测方法在说明书摘要公布了：本发明涉及一种基于弱监督学习的单色布匹瑕疵检测方法，通过采集布匹原始图像并进行预处理，建立正常图像特征库；基于正常图像特征库进行异常阈值TH的整定，提取处理后的待检测图像的特征，采用K最近邻算法，在正常图像数据集中检索与待检测图像的相似性最接近的K张无瑕疵图像，计算K张无瑕疵图像与待检测图像间的异常得分；利用异常阈值TH进行阈值分割，得到布匹瑕疵对应的异常区域的分割掩膜图像。本发明检测的针对性更强，对于布匹图像的瑕疵有较高的查全率，不需要耗费大量时间进行数据集制作和模型训练，在保证检测实时性的同时，提高对小瑕疵目标的检测敏感度。

本发明授权一种基于弱监督学习的单色布匹瑕疵检测方法在权利要求书中公布了：1.一种基于弱监督学习的单色布匹瑕疵检测方法，其特征在于：所述方法包括以下步骤： 步骤1：采集布匹原始图像并进行预处理； 步骤2：若当前布匹对应类别的正常图像特征库已经存在，则进行下一步，否则对步骤1处理后的图像进行筛选，取若干张无瑕疵图像作为正常图像数据集，建立正常图像特征库； 步骤3：基于正常图像特征库进行异常阈值TH的整定，包括以下步骤： 步骤3.1：若当前布匹对应的类型已经计算过异常阈值TH，则直接进行步骤4，否则进行下一步； 步骤3.2：从正常图像特征库中随机挑选1张正常图像A，记其低维特征图为fAL，再从剩余的正常图像特征库中随机选择X张正常图像，将它们作为低维特征图集记为FXL；以式1计算低维特征图集FXL与低维特征图fAL在特征图每个像素位置上的平均欧式距离， 1 其中，p代表特征图上的每一个像素位置，fALp代表低纬特征图fAL在p位置的特征值，X的取值范围为[0.2×N，0.6×N]，N为正常图像数据集内的图像数； 以dnormal图中的每个像素值代表这些正常图像特征图与fAL在每个像素位置上的相似性，值越小相似度越高； 步骤3.3：重复步骤3.2M次后，将计算得到的M张dnormal图所有像素均值的两倍设定为异常阈值TH；M的取值范围为[3，10]； 步骤4：提取步骤1处理后的待检测图像的特征；步骤2和4中，以预训练的Resnet-18网络模型提取图像的特征，取平均池化层输出的高维特征向量和第一个残差块输出的低维特征图进行记录； 步骤5：采用K最近邻算法，在正常图像数据集中检索与待检测图像的相似性最接近的K张无瑕疵图像； 步骤6：计算K张无瑕疵图像与待检测图像间的异常得分； 步骤7：利用异常阈值TH进行阈值分割，得到布匹瑕疵对应的异常区域的分割掩膜图像。

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工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。