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！

龙图腾网恭喜淮阴工学院申请的专利一种基于改进的YOLOv5的织物瑕疵检测方法及装置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：CN116740050B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202310857463.9，技术领域涉及：G06T7/00；该发明授权一种基于改进的YOLOv5的织物瑕疵检测方法及装置是由孙可可;邱军林;邵鹤帅;沈泳杉;张浩东;李明辉;秦雨新;杨健;雷恒聃;高丽;蒋晓玲;李敏设计研发完成，并于2023-07-13向国家知识产权局提交的专利申请。

本一种基于改进的YOLOv5的织物瑕疵检测方法及装置在说明书摘要公布了：本发明公开一种基于改进的YOLOv5的织物瑕疵检测方法及装置，收集织物瑕疵数据集并对数据集进行预处理，对数据集进行数据增强以及均衡扩充；使用Kmeans++聚类算法对织物数据集瑕疵GT框聚类获得先验框；数据集按比例划分训练集和验证集；对模型进行改进，使用moscio‑9替换原来的moscio‑4进行在线数据增强，在特征提取的主干网络backbone中引入可变形卷积,提高模型的特征提取能力，在特征融合的颈部网络Neck中加入注意力机制，在检测网络的Head中引入Decoupled‑Detect；将织物瑕疵数据集通过搭建好的YOLOv5+DCN+BiFormer+Decoupled织物瑕疵检测网络进行训练获得模型预训练权重；将预处理后的待检测织物瑕疵图片输入最优权重模型进行瑕疵检测。本发明有助于提高织物瑕疵检测的准确性和检测模型的鲁棒性。

本发明授权一种基于改进的YOLOv5的织物瑕疵检测方法及装置在权利要求书中公布了：1.一种基于改进的YOLOv5的织物瑕疵检测方法，其特征在于，包括以下步骤：1收集织物瑕疵数据集，并对数据进行预处理；2使用Kmeans++聚类算法对织物瑕疵数据集中所有瑕疵GT框进行聚类，获得K个先验框；3按照预设比例将扩展织物图像数据集进行划分，获得训练集和验证集；4构建改进的YOLOv5模型：将YOLOv5模型中的在线增强mosic-4替换成mosic-9数据增强方式；在特征提取的骨干网络backbone中引入可变形卷积DCNV3；在特征融合的颈部网络Neck中加入卷积注意力模块Biformer；在检测网络head中引入Decoupled_Detect；5将步骤3获取的织物瑕疵训练集通过改进的YOLOv5模型训练并通过验证集验证，获得用于织物瑕疵检测的改进的YOLOv5的最优权重模型；6将预处理后的待检测织物瑕疵图片输入最优权重模型进行瑕疵检测；步骤4所述mosic-9数据增强方法实现过程如下：首先，选取一张图像开始拼接，从数据集中随机抽取8张图像；然后，将图片统一调整到预设尺寸，新建画布，将第一张图像放在画布的中心位置的位置，对其余8张图像按顺时针方向依次拼接，根据label信息，计算拼接后的GT框；最后，随机选择一个中心点，对拼接的图像与画布进行错位，更新GT框，并对图像进行随机变换，得到最终的9拼的图像；步骤4所述在特征提取的骨干网络backbone中引入可变形卷积DCNV3实现过程如下：将backbone主干网络中的第四层、第六层、第八层中的C3模块替换成DCNV3模块；步骤4所述在特征融合的颈部网络Neck中加入卷积注意力模块Biformer实现过程如下：在检测网络head的第十层下添加注意力Biformer模块，该模块在开始时使用3×3深度卷积隐式编码相对位置信息；然后，依次应用双层路由注意力机制BRA模块和2层扩展比为e的MLP模块进行跨位置关系建模和逐位置嵌入；在head层的特征融合中引入Efficient解耦头，替换检测网络head的Detcect模块为Decoupled_Detect模块。

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淮阴工学院，其通讯地址为：223000 江苏省淮安市经济技术开发区枚乘东路1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”。