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;新凤鸣集团股份有限公司申请的专利一种基于深度学习的织物周期性纹理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：CN117274345B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310238392.4，技术领域涉及：G06T7/49；该发明授权一种基于深度学习的织物周期性纹理检测方法是由高飞;杨芳芳;庄耀中;章四夕;沈孙强设计研发完成，并于2023-03-14向国家知识产权局提交的专利申请。

本一种基于深度学习的织物周期性纹理检测方法在说明书摘要公布了：本发明涉及一种基于深度学习的织物周期性纹理检测方法，用于自动检测织物的周期性纹理基元。具体为：先使用了倾角变换和非局部变分算法对输入织物图像进行校准，在检测过程中，将预处理的图片输入网络，经过卷积运算以及非最大值抑制算法后在每个特征层生成遵循特征规则的激活峰，进一步通过霍夫投票策略和质心坐标找到周期性纹理基元位置。本发明以深度学习技术为依据，对织物周期性纹理检测，替代了传统手工设计的关键点检测、特征提取和聚类，通过融合多个不同层次不同规模的激活达到捕获更高级别的像素及区域信息的作用，具有更强的通用性和鲁棒性。

本发明授权一种基于深度学习的织物周期性纹理检测方法在权利要求书中公布了：1.一种基于深度学习的织物周期性纹理检测方法，其特征在于包括如下步骤： 步骤1：将织物2放置于工作台1上，开启光源3，由正上方的工业摄像机4对织物2进行拍摄，为减小工业摄像机1拍照时的角度偏差和织物表面灰尘褶皱的干扰，使用了倾角变换和非局部变分算法对输入织物图像进行校准； 步骤2：确定织物周期性纹理的基元，首先获得位移向量，具体为： 步骤2.1：将经过步骤1图像校准处理后的图像输入训练好的网络，经过卷积运算以及非最大值抑制算法后在每个特征层生成遵循特征规则的激活峰； 步骤2.2：设卷积层l∈L，其中L是卷积层的集合，设fl∈Fl表示过滤器，其中Fl为过滤器的集合，设是过滤器fl的激活峰位置，其中是fl激活峰位置的集合；对每一对都计算一组表示周期性纹理基元潜在大小的位移向量di，j，公式如下： 其中，|pi-pj|表示向量的元素绝对值，是过滤器fl的位移向量集合； 步骤2.3：通过Hough空间H来融合连接激活峰对的载体；每次投票服从以di，j为中心的二维正态分布，投票过程的公式如下： 其中，x，y对应于输入图像的像素坐标，σl是卷积层l的协方差矩阵； 步骤2.4：提取最一致的位移向量d*作为x轴和y轴上投票空间的最大值，具体如下： d*＝argmaxxHx，0，argmaxyH0，y4 步骤3：选择过滤器，具体为： 步骤3.1：挑选与所选择位移矢量d*最一致的激活峰的过滤器，令与d*一致的位移向量di，j的所有投票的集合为公式如下： 其中，γ是根据的分布计算的预期重复次数估计的平均先验； 步骤3.2：一致的投票被赋予权重特定过滤器的权重以其一致投票的权重之和的形式给出，具体如下： 其中，β表示在第l层所选位移向量的紧密周围邻域的半径； 步骤3.3：用权重对每一层中的过滤器进行排序，以选择将参与判别周期性纹理的深度学习模型的一致过滤器集合 步骤4：分割出周期性纹理基元。

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;新凤鸣集团股份有限公司，其通讯地址为：310006 浙江省杭州市拱墅区朝晖六区潮王路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”。