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！

龙图腾网获悉南昌大学申请的专利一种基于机器视觉的纺织瑕疵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：CN121458715B 。

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：202610003337.0，技术领域涉及：G06T7/00；该发明授权一种基于机器视觉的纺织瑕疵检测方法是由李渭;王开鹏;黄子绮;涂瑜琮设计研发完成，并于2026-01-05向国家知识产权局提交的专利申请。

本一种基于机器视觉的纺织瑕疵检测方法在说明书摘要公布了：本发明公开了一种基于机器视觉的纺织瑕疵检测方法，通过图像采集与预处理获取纺织品RGB图像，并进行尺寸调整、归一化操作，核心检测流程包括：利用ResNet50网络进行特征提取，并结合SPADE算法与k最近邻实现像素级别的异常区域识别，在此基础上，采用迁移学习策略，对特定纺织品瑕疵数据集进行微调和优化，以构建高精度的检测模型，CFLOW‑AD模型被用于多尺度特征提取和异常分数图的生成，精确识别潜在瑕疵，并集成了实时反馈机制，系统根据初步检测结果，动态调整检测参数，并对疑似区域进行重新检测，通过TP、FP、ROC曲线指标进行模型评估，生成详细的瑕疵报告，该方法有效提升了纺织品瑕疵检测的自动化水平和准确性。

本发明授权一种基于机器视觉的纺织瑕疵检测方法在权利要求书中公布了：1.一种基于机器视觉的纺织瑕疵检测方法，其特征在于，包括以下步骤： S1.获取图像数据并进行预处理：使用高分辨率工业相机拍摄纺织品的RGB图像，相机的位置、光照和拍摄角度都要进行调整，并对这些图像进行预处理操作：图像的裁剪、缩放和归一化，将图像像素值调整至统一的范围：[0,1]，调整图像的尺寸与网络的输入要求匹配，同时应用图像平滑、去噪处理，减少噪声影响； S2.数据增强：在获取图像数据之后，使用数据增强技术：旋转、缩放、裁剪、颜色抖动、翻转和镜像来生成训练样本； S3.输入图像进行特征提取和异常区域识别：将处理后的图像输入到ResNet50深度卷积神经网络中，网络通过层层卷积操作提取图像的深层特征，使用SPADE算法，通过对图像的空间特征进行自适应加权，突出显示图像中可能存在瑕疵的区域，使用k最近邻KNN算法对这些区域进行分析，进一步确定异常区域的位置和大小； S4.模型训练与优化：采用迁移学习的方法，对特定的纺织品瑕疵数据集进行微调，并使用特定的纺织品瑕疵数据集训练模型，瑕疵数据集包括以下类型的瑕疵：破洞、污渍、颜色偏差，采用交叉验证方法进行超参数优化，获得瑕疵检测模型； S5.应用CFLOW-AD模型进行异常检测：通过预处理后的图像输入到CFLOW-AD模型中，CFLOW-AD识别出细微的异常区域，并根据其异常分数进行排序，模型会生成每个像素的异常得分，高异常得分区域表示存在瑕疵； S6.集成实时反馈机制：检测过程中加入动态反馈机制，系统根据初步检测结果自动调整检测参数：阈值、敏感度，根据初步检测结果，实时调整瑕疵检测的阈值，当检测到一个区域疑似存在瑕疵时，系统调整检测灵敏度进行重新检查，在初步检测后，系统对疑似区域进行重新采样和细致分析； S7.评估与后续处理：使用缺陷检测算法的主要评价指标：TP、FP、TN、FN、ROC曲线评估模型表现，并对检测结果进行后续处理：去噪、连通域分析，根据检测结果，生成一份详细的瑕疵报告，报告包括每个瑕疵的位置、类型、大小信息，用于后续处理和质量控制。

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南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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。