布匹检测相关专利模版的学习
一、专利格式：
1. 封面
1.1 已授权专利
首先，已授权的专利的封面基本都是这样的。
1.1.1 头部部分
(19)：表示国家或地区代码。通常用于标识专利的授予国。
我看过的专利有( 19 )中华人民共和国国家知识产权局和(19)国家知识产权局这两种，都可以。
最左边的logo是专利统一的，都长这样。
(12)发明专利：表示这篇文献是已授权的专利。固定都是这样，不用修改。
右上角的二维码只要是专利都会有自己专属的。扫码进去就是这篇专利相关的基本介绍及摘要。
(10)授权公告号：专利被授权并公告时的唯一编号，用于正式公布后的引用。
CN：指的是中国地区；中间的长串编号就是每篇专利授权后用以公告的唯一编号；
最后一个大写字母表示文献种类代码，表明专利文献的种类。
例如：
A：发明专利申请公开
B：授权发明专利公告
U：实用新型专利
D：外观设计专利
(45)授权公告日：就是专利授权后告知于众的日期。
1.1.2 中间部分
(21)申请号：这是专利申请的唯一编号，用于追踪和识别专利申请的具体信息。（专利都有）
(22)申请日：专利申请提交的日期。这是确定专利优先权的重要依据。（专利都有）
(65)同一申请的已公布的文献号：指当前专利早期公开了的文献，通常为发明专利申请的初步公开，即申请公布号。（授权的专利才有）
(43)申请公布日：指的是发明专利申请公开的日期。（授权的专利才有）
(73)专利权人：获得专利权的主体，即法律意义上享有该专利的权利、义务和利益的个人或组织。基本上都是 XX大学
地址 XXX
专利权人也可以是XX公司。（授权的专利才有）
(72)发明人：发明人是实际参与发明的人，法律上不一定享有专利权。（专利都有）
(74)专利代理机构：指的是在专利申请过程中，提供代理服务的专利事务机构或专利代理人。
申请人也可以选择不通过代理机构直接办理专利申请，但聘请专业代理机构能够提高申请文件质量、提升授权可能性。（专利都有，可选）
格式： XXX公司/事务所 XX代码(显示国家知识产权局为代理机构分配的唯一代码，用于识别该机构) 代理人/专利代理师 XX
(51)Int.CI.：是指专利文件中的国际专利分类号，用于根据专利的技术领域对其进行分类和标识。（专利都有）
(56)对比文件：是指在专利申请过程中，专利审查员引用的与申请专利相关的已有技术文献。用于评估专利申请是否满足新颖性、创造性和实用性等基本要求。
审查员 XX（授权专利才有）
注：最后右下角要标明本篇专利的权利要求书、说明书和附图页数。
1.1.3 尾部部分
首先，左下角部分一定要有竖着的本专利的授权公众号。
(54)发明名称：专利的标题或技术方案的简要描述。
(57)摘要：简要概述发明的技术领域、所解决的技术问题、主要技术方案和用途，字数不超过300字。
注：右边要附上本专利的总流程图。
2. 权利要求书
明确提出要求保护的技术方案，分为独立权利要求和从属权利要求。 独立权利要求包括前序部分（技术方案的主题名称和必要技术特征）和特征部分（区别于现有技术的技术特征）。 从属权利要求对独立权利要求进行进一步限定。
2.1 头部格式
最左边是本专利的授权公告号。
中间是当前所属本专利的具体哪个部分。
最右边是当前所属部分的页码。
2.2 文本内容
在这一部分，各权利要求之间用罗马数字1.、2.、3. 等进行编号隔开。
在每个权利要求中用步骤1：、步骤2：、步骤3：等来划分各个步骤。
其中1. 部分的内容就是独立权利要求。这部分总概了本专利技术的创新之处以及特征。
往后的2.、3. 等都属于从属权利要求。这些部分的开头基本都是根据权利要求1所述的XX
3. 说明书
详细描述发明的技术领域、背景技术、发明内容、附图说明和具体实施方式。 说明书应清楚、完整，使所属领域的技术人员能够实现该发明。
3.1 头部格式
最左边是本专利的授权公告号。
中间是当前所属本专利的具体哪个部分。
最右边是当前所属部分的页码。
下面文本内容的正中间为本专利标题。
3.2 文本内容
在这一部分的文本内容，主要分为五个部分的小标题，小标题要顶左格子。
技术领域、背景技术、发明内容、附图说明和 具体实施方式。
注：在这一部分，除了小标题以外，其它所有段落从头到尾都要以 [0001]开始往后递增来开头。
4. 说明书附图
提供能够清楚表示发明技术特征的附图，辅助说明书的描述。这一部分的附图通常是跟说明书的技术内容紧密相关的，通常都是具体的模型图等。
二、收获与总结
由于基于深度学习模型的织物疵点检测，特别是与YOLO算法相关的已授权专利较少，所以能查到几篇我就看几篇，但太过于理论的东西，特别是公式啥的，受于知识储备量的原因，我就只能浅浅看了一下。
当前布匹检测领域的主要挑战在于传统检测方法的效率和准确性无法满足现代工业化需求。传统布匹检测主要依赖人工或简单的图像处理技术，不仅效率低下，还容易受到环境光线、布匹纹理多样性等因素的干扰。为了克服这些问题，近年来大量创新技术涌现，其中基于改进注意力机制、卷积神经网络（CNN）的优化，以及添加特定算法模块的创新成为技术发展的主流路径。改进注意力机制、优化卷积神经网络、添加算法模块的多重创新，使布匹检测技术在效率、精度和鲁棒性方面实现了跨越式发展。通过这些技术改进，布匹检测系统不仅能够快速识别多种复杂缺陷，还能动态适应不同布匹类型的检测需求。这些技术的广泛应用，将为布匹制造行业带来更高的生产效率和产品质量，为智能制造的进一步发展奠定坚实基础。
我浅浅看了一下之后，感觉自己理论方面的知识还有待加强，不过我个人认为关于深度模型上的创新专利已经很多了，很难再往这方面进行大的创新，所以更为重要的是要学会去用现有的模型去带来实际的生产效益，也就是说要注重于实际运用上。