上海中华商务联合印刷有限公司童力获国家专利权
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!
龙图腾网获悉上海中华商务联合印刷有限公司申请的专利面向高精度色彩管理的深度学习自校准系统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:CN119887549B 。
龙图腾网通过国家知识产权局官网在2026-01-23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:202411807324.6,技术领域涉及:G06T5/60;该发明授权面向高精度色彩管理的深度学习自校准系统是由童力;徐欣;丁文广;白国成;李萌萌设计研发完成,并于2024-12-10向国家知识产权局提交的专利申请。
本面向高精度色彩管理的深度学习自校准系统在说明书摘要公布了:本发明提供面向高精度色彩管理的深度学习自校准系统,涉及色彩校准技术领域,系统架构包括算法层、系统架构层和数据处理与优化层,通过算法层中多种先进算法的融合,有效提升了色彩校正的精度,确保印刷品在整个生产过程中色彩的高度一致性,极大地提高了印刷产品的质量稳定性,利用数据处理与优化层的各个模块进行数据处理,对印刷生产过程中实时数据的高效处理与模型动态更新,保证模型能及时适应印刷数据分布和色彩变化趋势,系统架构层的设计为印刷行业的大规模生产、多环节及多种设备材料提供了全面适配方案,增强了系统的通用性和灵活性,减少了因设备材料变更而需要重新调整系统的时间和人力成本,提高了企业的生产应变能力。
本发明授权面向高精度色彩管理的深度学习自校准系统在权利要求书中公布了:1.面向高精度色彩管理的深度学习自校准系统,其特征在于:所述系统包括算法层、系统架构层和数据处理与优化层,其中: 所述算法层用于对印刷图像色彩进行深度特征提取、偏差预测及校正策略生成,所述算法层包括多算法融合模型,所述多算法融合模型包括卷积神经网络CNN与循环神经网络RNN组合单元、融合生成对抗网络GAN与自编码器组合单元、深度信念网络DBN与受限玻尔兹曼机器RBM组合单元; 所述卷积神经网络CNN与循环神经网络RNN组合单元用于对印刷图像的色彩像素分布和图案纹理特征进行深度提取,并依据印刷图像序列间的空间与时间依赖关系,分析色彩偏差在整个印刷页面以及不同印刷批次间的变化规律,所述融合生成对抗网络GAN与自编码器组合单元中,GAN的生成器根据目标印刷色彩标准生成与之相近的印刷图像模拟数据,判别器区分真实印刷图像与生成图像,二者对抗训练提升生成图像质量,自编码器对输入的印刷色彩图像进行压缩与重构,学习图像的潜在色彩表示,二者协同作用于印刷色彩偏差的校正与色彩一致性的保障,所述深度信念网络DBN与受限玻尔兹曼机器RBM组合单元通过RBM对印刷色彩数据进行无监督的预训练,学习印刷色彩数据的基本特征分布和结构,再堆叠构建成DBN,挖掘出隐藏在复杂印刷色彩数据中的高层次抽象特征,为后续的校准提供精确依据; 所述系统架构层用于构建适应印刷行业大规模生产、多环节及多种设备材料的架构体系,包括分布式深度学习架构、多层次反馈自校准架构和自适应色彩校准架构,所述分布式深度学习架构将深度学习模型的训练任务分配到多个计算节点并行处理,不同节点专注于不同印刷产品线或不同色彩空间的数据处理,中央协调器整合各节点结果,所述多层次反馈自校准架构在印前环节对图像色彩进行初步校正后,将校正结果在印中环节再次输入系统进行二次检测与分析,根据不同层次的反馈信息调整深度学习模型参数或校正策略,并建立从印后质量检测环节向印前设计和印刷环节的反馈通道,所述自适应色彩校准架构通过预先建立的印刷设备与材料特征库,在印刷生产运行时快速识别并匹配相应的模型配置,自动调整深度学习模型的结构和参数; 所述数据处理与优化层用于对印刷色彩数据进行预处理、扩充及动态更新,所述数据处理与优化层包括数据增强与合成模块、语义分割数据处理模块和实时数据流式处理与增量学习模块,所述数据增强与合成模块通过对现有印刷色彩图像进行旋转或缩放或对比度调整变换操作,以及人工合成具有特定色彩偏差特征的图像数据,来扩充训练数据集,所述语义分割数据处理模块利用语义分割技术将印刷图像中的不同区域按照颜色类别、物体类别或功能区域进行划分,分别进行色彩偏差分析和校正;所述实时数据流式处理与增量学习模块对印刷生产过程中实时产生的色彩数据进行快速处理和特征提取,并采用增量学习技术使模型适应新的印刷数据分布和色彩变化趋势。
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上海中华商务联合印刷有限公司,其通讯地址为:201712 上海市青浦区青浦工业园区漕盈路3333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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励