一种基于改进YOLO模型的织物疵点检测方法

AITNT
正文
推荐专利
一种基于改进YOLO模型的织物疵点检测方法
申请号:CN202510290650
申请日期:2025-03-12
公开号:CN120163801A
公开日期:2025-06-17
类型:发明专利
摘要
本发明公开了一种基于改进YOLO模型的织物疵点检测方法,如下:获取至少一路验布机上的织物图像;将所述织物图像输入至疵点检测模型,得到所述疵点检测模型输出的所述织物图像的疵点检测结果;其中疵点检测模型包括多尺度特征图提取模块、多尺度特征融合模块、多尺度特征增强模块、检测头。本发明解决了相关技术中目标检测模型在处理高分辨率织物图像时信息丢失、多尺度疵点目标识别不足以及计算效率低下的问题。
技术关键词
织物疵点检测方法 YOLO模型 多尺度特征融合 融合特征 输入多尺度 多尺度特征提取 检测头 编码器 子模块 图像 分辨率 注意力机制 下采样方法 验布机 全局平均池化 尺寸
系统为您推荐了相关专利信息
1
早产儿视网膜病变症状的预测方法及系统
早产儿视网膜病变 特征提取网络 融合特征 三通道 样本
2
异向导电膜键合导电粒子的检测方法、装置、设备及介质
导电粒子 二值化图像 回归算法 全卷积神经网络 特征融合网络
3
基于蒙特卡洛模拟与深度学习的电力交易策略生成方法和系统
价格趋势预测 交易策略生成方法 蒙特卡洛 粒子群优化算法 多维特征数据
4
一种基于图像分割的泵壳焊缝质量检测方法
嵌入特征 图像分割 泵壳 焊缝缺陷 注意力
5
一种基于多尺度卷积注意力的特征提取方法及系统
特征提取方法 电信号 多尺度 融合特征 输出特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号