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！

龙图腾网获悉东华大学申请的专利面向纱线条干视觉检测的交织轮廓特征差分提取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：CN114842060B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210262133.0，技术领域涉及：G06T7/40；该发明授权面向纱线条干视觉检测的交织轮廓特征差分提取方法是由张洁;徐楚桥;汪俊亮;陶静设计研发完成，并于2022-03-17向国家知识产权局提交的专利申请。

本面向纱线条干视觉检测的交织轮廓特征差分提取方法在说明书摘要公布了：本发明涉及一种面向纱线条干视觉检测的交织轮廓特征差分提取方法，该方法针对纱线条干视觉检测中毛羽、纤维纹理干扰，导致轮廓提取不准，检测精度不高的问题，通过分析纱线图像的图形学特征，设计带径向差分卷积和纹理腐蚀掩模的轮廓提取深度神经网络；通过径向差分卷积提取径向特征以排除大部分毛羽干扰，并通过纹理腐蚀掩模进一步消除纹理干扰。进而从交织的纱线轮廓特征中提取纯净的纱体主干轮廓，实现更精确的纱线条干均匀度检测。

本发明授权面向纱线条干视觉检测的交织轮廓特征差分提取方法在权利要求书中公布了：1.一种面向纱线条干视觉检测的交织轮廓特征差分提取方法，其特征在于，包括以下步骤： S000、部署视觉系统连续采集纱线图像≥500组，并采用高精度测量仪器标注纱线条干轮廓，形成一一对应的数据集； S100、构建具有径向差分卷积、纹理腐蚀掩模层的轮廓提取深度神经网络模型，其中： 轮廓提取深度神经网络模型包括四组径向差分卷积层，其中，每组径向差分卷积层首先从8个径向方向计算像素梯度矩阵，如下式1所示： 式中，M3×3为径向像素梯度矩阵，表示差分操作，x5×5表示局部图像块，xrc表示位于图像第r行c列像素点的灰度值； 径向差分卷积层将径向像素梯度矩阵M3×3分别乘以不同权重进行径向差分卷积操作，如下式2所示： 式2中，yRPDC表示提取的感兴趣径向特征图，w3×3表示权重矩阵，*表示卷积操作，w′ 5×5表示差分转换后的权重矩阵； 在轮廓提取深度神经网络模型中，根据纱线纹理及主干轮廓形态分布设计纹理腐蚀掩模层，轮廓提取深度神经网络模型包括四个纹理腐蚀掩模层以及一个融合门控，其中： 纹理腐蚀掩模层对每一组径向差分卷积层提取的感兴趣径向特征进行进一步的纹理过滤，包括以下步骤： 首先，构建纹理腐蚀卷积核与径向差分卷积层提取的径向特征做卷积操作，如下式3所示： 式3中，ωm是尺寸为1×α、所有元素全为1的矩阵，Ym1表示其对应输出； 设计抑制函数，抑制较小的值使其接近于0，如下式4所示： 式4中，β表示敏感系数，用于调节判别阈值和轮廓的平滑度； 对Ym2进行插值重构使其恢复到原始图像大小，如下式5所示： Ym＝Ym2×scale_factor5 式5中，scale_factor表示插值上采样方式，本实施例采用的是双线性插值上采样； 最后通过融合门控将各纹理腐蚀掩模层的输出Ym融合得到提取轮廓的图像YO，如下式6所示： YO＝ωF*Ym+bF6 式6中，ωF表示融合门控的权重，bF对应其偏置； S200、利用标注好的数据集对轮廓提取深度神经网络模型进行迭代训练，训练完成后，加载模型参数，输入待处理图像，获得初步提取轮廓图像； S300、计算目标像素点到最近背景点的欧式距离，提取距离变换结果中前景像素骨架，将初步提取轮廓细化为单像素轮廓； S400、逐行扫描纱线轮廓像素坐标，每行坐标相减求得图像空间该行轮廓直径，通过像元尺寸转换为物理直径，并根据连续的每行物理直径值计算其变异系数，即为条干均匀度。

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东华大学，其通讯地址为：201600 上海市松江区人民北路2999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”。