This application discloses fabric defect detection methods and devices, computer equipment and computer readable media. The method includes acquiring fabric attribute characteristics of the image to be detected and determining whether there are defects in the fabric contained in the image to be detected according to the fabric attribute characteristics. This method, device, computer equipment and computer readable media first acquire fabric property features to determine defects, thus eliminating the interference of fabric property features on the detection results, realizing the accurate detection of fabric defects, and improving the detection accuracy.
【技术实现步骤摘要】
织物疵点检测方法及装置、计算机设备及计算机可读介质
本申请涉及织物检测
,特别涉及织物疵点检测方法及装置、计算机设备及计算机可读介质。
技术介绍
在机织布、针织布、非织造布等织物的生产线上,需要检测所生产出来的织物是否存在疵点,例如,织物上是否有污渍、破洞、起毛等等。目前的检测方法主要是由检测人员站在验布设备前通过肉眼检测的方式发现织物疵点并对疵点进行标记或记录。在织物的产量很大的情况下,由检测人员来检测将会很费人力,而且,检测人员在工作一段时间之后容易疲劳,从而存在发生误检的可能性。因此,由检测人员来检测的总体缺陷检测效率不高、并且检测准确度不够稳定。相关技术中,利用计算机进行验布主要是通过机器视觉和疵点分类方法来实现,也即,通过摄像技术获取待检测的布料图像,通过预先设置多个类别,利用检测模型根据该图像的特征确定该图像分别属于该多个类别中的每个类别的概率,并将概率最大的类别确定为该图像所述的类别,以得到该布料图像所述的疵点分类。但是,目前利用计算机进行验布的方法都没有将织物本身的属性特征(例如印花、纹理等)加以考虑,往往会将织物的属性特征误检为疵点,导致检测的准确率非常低。
技术实现思路
鉴于以上问题,本专利技术的实施例提供一种织物疵点检测方法及装置、计算机设备及计算机可读介质,其能解决上述
技术介绍
部分提到的技术问题。按照本专利技术的实施例的织物疵点检测方法,包括:获取待检测图像的织物属性特征;根据所述织物属性特征,确定所述待检测图像所包含的织物是否存在疵点。按照本专利技术的实施例的织物疵点检测装置,包括:获取模块,用于获取待检测图像的织物属性特征;确 ...
【技术保护点】
1.织物疵点检测方法,包括:获取待检测图像的织物属性特征;根据所述织物属性特征,确定所述待检测图像所包含的织物是否存在疵点。
【技术特征摘要】
1.织物疵点检测方法,包括:获取待检测图像的织物属性特征;根据所述织物属性特征,确定所述待检测图像所包含的织物是否存在疵点。2.根据权利要求1所述的方法,其中,所述获取待检测图像的织物属性特征包括:利用已训练的第一神经网络模型获取所述待检测图像的一个或多个候选区域所对应的对象的织物属性特征。3.根据权利要求2所述的方法,其中,所述第一神经网络模型是时序性神经网络模型,或,时序性-残差神经网络模型;其中,所述时序性-残差神经网络模型为在时序性神经网络的每一基本单元添加残差网络构成的神经网络模型,所述残差网络将所述基本单元上一时刻的输出加权叠加到所述基本单元当前时刻的输出上。4.根据权利要求3所述的方法,其中,所述时序性神经网络模型包括循环神经网络模型、长短时记忆模型或门控循环单元模型;所述时序性-残差神经网络模型包括循环-残差神经网络模型、长短时记忆-残差神经网络模型或门控循环单元-残差神经网络模型。5.根据权利要求2-4任一项所述的方法,其中,所述根据所述织物属性特征,确定所述待检测图像所包含的织物是否存在疵点包括:根据所述织物属性特征和所述待检测图像的一个或多个候选区域,利用已训练的第二神经网络模型确定所述候选区域中是否存在疵点有效区域,以确定所述待检测图像所包含的织物是否存在疵点。6.根据权利要求5所述的方法,其中,所述第二神经网络模型是在原始的卷积神经网络中增加一属性/疵点分类判别网络的神经网络模型,所述属性/疵点分类判别网络用于判别所述候选区域中是否存在疵点有效区域。7.根据权利要求6所述的方法,其中,所述属性/疵点分类判别网络包括依次连接的ROI区域池化层、若干隐层和softmax层。8.根据权利要求1所述的方法,其中,所述方法还包括:如果所述待检测图像所包含的织物存在疵点,则利用分类器对所述待检测图像进行分类并确定所述待检测图像所包含的织物表面的疵点类型。9.根据权利要求8所述的方法,其中,所述分类器包括贝叶斯分类器、近邻分类器、线性分类器、SVM分类器的其中一种。10.织物疵点检测装置,包括:获取模块,用于获取待检测图像的织物属性特征;确定模块,用于根据所述织物属性特征,确定所述待检测图像所包含的织物是否...
【专利技术属性】
技术研发人员:金玲玲,饶东升,何文玮,
申请(专利权)人:深圳灵图慧视科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。