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！

龙图腾网获悉常州宏大智慧科技有限公司;常州宏大智能装备产业发展研究院有限公司申请的专利基于深度学习的织物纬斜检测的方法、装置及设备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：CN121236044B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202511521128.7，技术领域涉及：G06T7/00；该发明授权基于深度学习的织物纬斜检测的方法、装置及设备是由顾金华;汪尧;顾丽娟设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本基于深度学习的织物纬斜检测的方法、装置及设备在说明书摘要公布了：本发明涉及织物纬斜检测技术领域，本发明提供了基于深度学习的织物纬斜检测的方法、装置及设备，所述方法包括：采集织物原始图像，设定目标纬斜角度列表，通过仿射变换矩阵扩充原始图像得到输入图像；对输入图像进行预处理，生成时域图和频域掩码图；将时域图和频域掩码图分别输入至双分支卷积骨干网络并将进行加权融合得到融合特征图；采用轻量化深度可分离卷积网络对融合特征生成增强的特征图；对增强的特征图进行方向建模形成完整的方向特征图，将方向特征图输入动态方向注意力模块生成固定维度特征向量；将固定维度特征向量输入纬斜角度回归模型，预测织物纬线的角度值。本发明解决了传统方法在复杂图案下纬线角度易预测错误的问题。

本发明授权基于深度学习的织物纬斜检测的方法、装置及设备在权利要求书中公布了：1.基于深度学习的织物纬斜检测的方法，其特征在于，该方法包括： 步骤S01：采集织物原始图像，设定目标纬斜角度列表，计算剪切系数并构造仿射变换矩阵，通过仿射变换矩阵扩充原始图像得到输入图像； 步骤S02：对输入图像进行预处理，生成时域图和频域掩码图；具体步骤为： 步骤S021：将输入图像统一转换为灰度图，并进行缩放； 步骤S022：对缩放图进行直方图均衡化得到时域图； 步骤S023：将输入图像输入到快速傅里叶变换模块，通过二维FFT将图像从空间域映射到频域，得到复数形式的频域图；根据图像尺寸，选择平方根归一化策略，将归一化因子设为；对图像执行正向FFT运算，获取复数频谱，并采用直流分量中心化模式，将低频能量移动至频谱中心位置；对复数频谱取模得到幅值谱，再对幅值谱执行对数变换和归一化处理得到频谱图； 步骤S024：对频谱图进行二值化处理，生成纹理特征的频域掩码图，并通过中心裁剪保留核心频率信息； 步骤S025：将二值化的频域掩码图进行数值归一化，用于后续模型特征提取； 步骤S03：将时域图和频域掩码图分别输入至双分支卷积骨干网络的两个分支，获得表征织物的基础纹理特征图与频域方向特征图，并将基础纹理特征图和频域方向特征图进行加权融合得到融合特征图； 步骤S04：采用轻量化深度可分离卷积网络对融合特征图生成增强的特征图； 步骤S05：对增强的特征图进行方向建模形成完整的方向特征图，将方向特征图输入动态方向注意力模块生成固定维度特征向量；具体步骤为： 步骤S051：对增强的特征图进行多方向卷积滤波，生成不同方向的响应图；对每个方向的响应图进行最大池化与归一化；将各方向特征按照空间位置进行排列，形成完整的方向特征图； 步骤S052：将方向特征图输入注意力生成网络，通过卷积层和Sigmoid激活函数生成注意力权重矩阵；对方向特征图进行加权处理： ， 其中，表示逐像素相乘，为注意力加权后的特征图； 步骤S053：对注意力加权后的特征图通过卷积层、BN层和ReLU激活处理，生成固定维度特征向量； 步骤S06：将固定维度特征向量输入纬斜角度回归模型，预测织物纬线的角度值。

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常州宏大智慧科技有限公司;常州宏大智能装备产业发展研究院有限公司，其通讯地址为：213022 江苏省常州市新北区泰山路220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。