缺陷检测在纺织领域具有繁多的发明专利申请，此类专利申请的摘要、题目无法准确表示缺陷的类型，为了检索相似布匹缺陷的公开方法，使用者需要大量尝试检索式，导致效率低下，且不准确。
知产行业正在数智化转型，通过设计和构建数据集训练AI模型，可以让用户用布匹缺陷图像搜索相关专利，极大提升用户体验和检索效率。

该数据与专利之间的联系在于能够完成以下两个应用：
1、以图搜图:用于交叉比对专利申请中图像的重复等异常情况,也可以通过相似图像(例如牛仔裤撕裂的特征)搜索相关专利文件,用于快速检索。
2、以特征搜图:包围框标注的特征可以训练目标检测模型,检索时可以按照缺陷类型来检索相关专利。
对非特定领域也有很强的现实意义,可以面向常见的布料缺陷训练缺陷检测AI模型。

数据集包含191张高质量的布匹纹理图片以及对应每个图片的边界框和缺陷类别详细标注信息。

为了上述两个专利专用应用,数据集去除了表征单一或质量差的图片,仅保留表征丰富且缺陷表现清晰的高质量图片。

布匹质检专利图搜图AI模型训练数据集较为特殊,是一个面向纺织领域建立的数据集,用于构建多个AI模型,进而提高专利管理的精细化程度,旨在解决布匹企业在专利管理、产品质量控制和非正常申请识由等关键领域面临的问题。  
1、适用条件、范围:包括纺织品行业的布匹质量相关专利申请的以图搜专利应用；包含大量布匹图像的专利文档管理系统,通过缺陷类型分类检索；面向需要检测专利重复申请和非正常申请案例的企业；2、适用对象:公司内知识产权部门:用于提升检索效率,识别非正常申请和相关专利；行业专利检索服务机构:构建面向行业的专利图像搜索工具和专利检索工具；3、能解决的主要问题:从知产AI应用出发，为纺织行业提供新一代检索和专利图搜图工具；能提升专利审查效率,避免重复审查和漏审；便于识别申请中常见的非正常行为:如缺陷仿制、重复申请；面向企业内部专利管理,提高检索效率和直观性；可针对专利申请提供视觉相似度检索服务；