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！

龙图腾网获悉苏州工学院申请的专利基于改进的双backbone架构网络的纺织品缺陷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：CN121391855B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511947907.3，技术领域涉及：G06T7/00；该发明授权基于改进的双backbone架构网络的纺织品缺陷检测方法是由王飞;陈飞;朱继红;王伟;刘家龙设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本基于改进的双backbone架构网络的纺织品缺陷检测方法在说明书摘要公布了：本发明公开了一种基于改进的双backbone架构网络的纺织品缺陷检测方法，首先，利用改进的双backbone架构网络分别处理RGB图像和缺陷类型掩码，通过智能特征融合模块将两种模态信息有效结合，能够有效量化缺陷区域的纹理特征、对比度、灰度等传统方法难以量化的关键特征。其次，采用加权MSE损失函数进行模型训练，支持忽略标签和类别权重，能够根据缺陷严重程度自适应调整权重，提高对轻微缺陷的检测能力。与传统的单一模态检测方法相比，这种结合双backbone架构和智能特征融合的方法既提高了检测精度，又实现了严重程度评估的标准化，从而提高了算法的准确性和鲁棒性。

本发明授权基于改进的双backbone架构网络的纺织品缺陷检测方法在权利要求书中公布了：1.一种基于改进的双backbone架构网络的纺织品缺陷检测方法，其特征在于，包括以下步骤： S01：获取包含纺织品的图像； S02：构建改进的双backbone架构网络，所述改进的双backbone架构网络包括RGBbackbone和Maskbackbone，所述RGBbackbone对输入图像进行深度特征提取，获取纺织品的纹理细节、边缘信息和局部特征，得到RGB特征，将RGB特征通过分割头输出缺陷类型的预测掩码；所述Maskbackbone对生成的预测掩码进行处理，提取掩码语义特征，得到Mask特征；对得到的RGB特征和Mask特征进行融合，得到融合特征图；将得到的融合特征图通过回归头输出缺陷严重程度，实现像素级别的严重程度回归预测；实现像素级别的严重程度回归预测包括： 通过双线性插值上采样将融合特征图恢复到原始图像尺寸，使得每个像素都有对应的特征表示，实现像素级别的精确对应；其中二维双线性插值公式如下： 目标点的插值公式为： 其中，为像素坐标，四个角点，； 融合特征通过回归头的1×1卷积、批量归一化和ReLU激活函数处理，最终通过Sigmoid函数将输出限制在[0,1]范围内，得到每个像素的严重程度值，所述严重程度值为： 其中，Sx,y是像素x,y的严重程度值，为融合特征；为1×1卷积，BN为批量归一化； 其中，Sigmoid激活函数公式： 平均严重程度值为： 是有效像素总数； S03：对构建的改进的双backbone架构网络进行训练，将训练好的改进的双backbone架构网络进行纺织品缺陷检测，得到检测结果。

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苏州工学院，其通讯地址为：215500 江苏省苏州市常熟市南三环路99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。