当前位置: 首页 > 科技成果列表 > 科技成果详细

基于B样条小波和深度神经网络的织物疵点检测方法

技术类型:发明专利

技术成熟度:研发

转让方式:技术转让、技术许可、技术入股

专利申请日:2015-04-10

专利所属地 :中国

专利号:CN201510168873.8

应用领域:通用仪器仪表制造

技术领域:-

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

一种织物疵点自动检测方法,包含以下两个主要部分:

  1. 深度神经网络模型训练:

    • 通过已有样本库的学习,实现输入疵点图像后,得到样本无疵点的重构图像。
  2. 疵点图像检测:

    • 图像检测流程如下:
      1. 对待测织物图像进行多次小波变换,以保留大部分纹理信息,并生成压缩图像进行保存。
      2. 将压缩图像输入至训练好的深度神经网络,进行计算处理。
      3. 深度神经网络输出重构的无疵点图像。
      4. 将重构图像与保存的压缩图像进行差值运算,得到仅含疵点的图像。
      5. 对得到的疵点图像进行特征提取,分析出是否存在疵点及其种类等信息。
(此文字表达经过AI优化完善,查看原文请点击 原文)
专利基本信息
专利名称 基于B样条小波和深度神经网络的织物疵点检测方法
专利状态 - 专利号(申请号) CN201510168873.8
申请号 - 专利申请日期 2015-04-10
专利授权日期 2017-06-23 专利权届满日 -
专利所属地 中国 专利类型 发明专利
发明人 王宪保;王辛刚;陈德富;顾勤龙;何文秀;姚明海
权利人 -
专利摘要 一种织物疵点自动检测方法包含深度神经网络模型训练和疵点图像检测两部分。深度神经网络模型训练主要是经过已有样本库的学习,实现在输入疵点图像的前提下,得到样本无疵点的重构图像。疵点图像检测如图所示。待测织物图像首先经过多次小波变换,得到保留大部分纹理信息的压缩图像并保存。然后把压缩图像输入到训练好的深度神经网络输入端,进行计算,在输出端得到重构的无疵点图像。随后把重构图像与保存的压缩图像做差值运算,得到只含有疵点的图像。最后通过对疵点图像的特征提取,分析出是否含有疵点及疵点的种类等。
成果评价分析
技术应用分析
服务案例
Baidu
map