一种基于卷积神经网络的织物疵点检测方法技术

本发明专利技术提供了一种基于卷积神经网络的织物疵点检测方法，通过图像采集模块获取织物图像，并发送至图像预处理模块；图像预处理模块对所接受的织物图像进行预处理，包括图像滤波处理、压缩动态范围处理和直方图均衡化处理；建立卷积神经网络模型，网络输入为预处理后的织物图像，网络输出为织物图像是否存在疵点以及疵点类型的情况；将预处理后的织物图像输入所建立的卷积神经网络模型，卷积神经网络从多个角度自动提取织物图像的不同特征，实现对织物图像中的疵点进行识别和分类。本发明专利技术提供的方法能够自动检测各类织物中的疵点，并且对识别出的疵点进行分类，检测速度快，且检测结果准确性高，实现成本低，适于大范围推广使用。

【技术实现步骤摘要】
一种基于卷积神经网络的织物疵点检测方法
本专利技术涉及图像处理和卷积神经网络算法，具体用于检测各类织物中的疵点，并对识别出的织物疵点进行分类。
技术介绍
我国是纺织大国，纺织产业在社会经济中占有重要地位。其中，织物质量是关键，织物疵点的检测更是重中之重。目前，绝大多数的生产线还在用人工进行疵点检测，人工检测的速度慢、效率低，很容易受检测人员的主观影响而漏检和错检。随着机器视觉的不断发展，图像处理技术和机器学习算法也逐渐应用到纺织行业中，这些技术的发展使得疵点检测可以实现自动化，从而达到快速和高效的目的。对织物疵点自动检测技术的研究从20世纪80年代起，已经进行了30余年，各国学者相继发表了大量的相关文章和研究成果，取得了很好的成绩。目前，对织物疵点进行自动检测的常见方法有图像处理、频谱特征、小波变换、Gabor滤波器、神经网络和遗传算法等。虽然到目前为止已经出现了很多不错的研究成果，不断涌现出新方法，稳步地提升了科研水平，但更为先进的自动检测系统毕竟是少数。上述现有方法存在如下缺陷：分辨织物疵点类型的能力有限，实际应用的成本高，局限性大。卷积神经网络是一个新的研究方向，近年来在机器学习领域快速发展，目前已在学术界被广泛关注，并且已经在语音识别、图像识别、自然语言处理等多类应用中取得了突破性的进展。相对于全连接网络只能通过用浅层结构来降低运算难度，卷积神经网络算法可以采用拥有多层隐含层的深层结构，其优势是可以完成复杂的函数逼近，更适用于大量数据的分析与处理工作，因为单层计算能力有限，多层网络能够更好地获取主要的结构信息。
技术实现思路
本专利技术要解决的技术问题是如何将卷积神经网络应用于织物疵点的检测和分类，以提高织物疵点类型分辨的准确度和效率。为了解决上述技术问题，本专利技术的技术方案是提供一种基于卷积神经网络的织物疵点检测方法，其特征在于：该方法包括以下步骤：步骤1：通过图像采集模块获取织物图像，并发送至图像预处理模块；步骤2：图像预处理模块对所接受的织物图像进行预处理，包括图像滤波处理、压缩动态范围处理和直方图均衡化处理；步骤3：建立卷积神经网络模型，网络输入为预处理后的织物图像，网络输出为织物图像是否存在疵点以及疵点类型的情况；步骤4：将步骤2预处理后的织物图像输入步骤3所建立的卷积神经网络模型，卷积神经网络从多个角度自动提取织物图像的不同特征，实现对织物图像中的疵点进行识别和分类。优选地，所述步骤2中，使用高斯滤波在尽可能保留原图信息的情况下有效滤除织物图片中的噪声，采用对数变换的形式对图片进行增强。优选地，所述步骤3中，卷积神经网络模型包含：输入层，多层非线性的固定卷积层，一层全连接层和输出层；其中，每层非线性的固定卷积层又包括一层卷积层和一层池化层。优选地，所述步骤3中，卷积神经网络模型的建立方法如下：步骤3.1：通过图像采集模块分别采取一组完好无疵点的织物图像、一组具有经向疵点的织物图像、一组具有纬向疵点的织物图像、一组具有区域型疵点的织物图像、一组具有离散型疵点的织物图像；步骤3.2：通过图像预处理模块对步骤3.1中的各组织物图像进行预处理，包括图像滤波处理、压缩动态范围处理和直方图均衡化处理；将预处理后的各组织物图像分别分成两部分，一部分作为训练样本集，一部分作为测试样本集；步骤3.3：利用训练样本集对卷积神经网络模型进行训练，若为完好无疵点的织物，则输出(0，0，0)的结果；若为具有经向疵点的织物，则输出(0，0，1)的结果；若为具有纬向疵点的织物，则输出(0，1，0)的结果；若为具有区域型疵点的织物，则输出(1，0，0)的结果；若为具有离散型疵点的织物，则输出(1，0，1)的结果；步骤3.4：利用测试样本集对步骤3.3训练好的卷积神经网络模型进行测试，将测试结果与预期值进行对比，如误差率不在设定的阈值范围内，则回到步骤3.3重新训练，对网络参数进行修正；直至误差率满足设定的阈值范围，得到适合织物疵点检测的卷积神经网络模型。相比现有技术，本专利技术提供的基于卷积神经网络的织物疵点检测方法具有如下有益效果：1、将卷积神经网络用于织物疵点的检测，卷积神经网络能够描述复杂的非线性关系，又因其网络的稀疏性而大大降低了其计算难度、提高了其计算效率，从而更加高效、准确地进行拟合，提高了疵点检测的准确性和效率；2、卷积神经网络具有自动进行特征提取的功能，它可以从多个角度提取图像的不同特征，从而解决了如何有效地进行特征提取的问题，实现了不仅能对织物图像中的疵点进行识别，还能对识别出的疵点进行分类；3、在实时拍照中对图像进行预处理，使用高斯滤波能够在尽可能保留原图信息的情况下很好地滤除织物图片中的噪声，压缩动态范围和直方图均衡化可以对织物图像进行增强，这有利于疵点的识别和分类；处理程序固定，有利于提高运行速度；4、方法实现方便，成本低，适于大范围推广使用。附图说明图1为本实施例提供的基于卷积神经网络的织物疵点检测方法流程图；图2为卷积神经网络结构示意图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。对织物疵点进行检测和分类，其主要包括图像采集模块、图像预处理模块、卷积神经网络模块。图像采集模块，主要是现场拍摄织物图片。图像预处理模块，主要是对现场拍摄的织物图片进行图像滤波处理、压缩动态范围和直方图均衡化处理。卷积神经网络模型，主要是采用卷积神经网络对织物图片中的疵点进行识别和分类。将预处理后的织物图片输入训练好的网络中，对织物疵点进行检测。若为完好织物，则输出(0，0，0)的结果；若存在疵点，还对存在的疵点进行分类，主要分为经向疵点(0，0，1)、纬向疵点(0，1，0)、区域型疵点(1，0，0)和离散型疵点(1，0，1)。结合图1，本实施例中，基于卷积神经网络的织物疵点检测方法流程为：步骤1：利用图像采集模块在现场拍摄1100张不同织物图片样本。步骤2：利用图像预处理模块对现场拍摄的1100张不同织物图片样本进行图像滤波处理，运用高斯滤波器将图像中的噪声滤除；然后对图像进行压缩动态范围和直方图均衡化处理，采用对数变换的形式对图片进行增强。步骤3：建立卷积神经网络模型，主要是采用卷积神经网络对织物图片中的疵点进行识别和分类。其中，训练样本为上述的织物图像，网络输入为织物图像，自动提取织物图像的特征向量，网络输出为织物图像样本是否存在疵点以及疵点类型的情况。由于输入样本的数值大小不一，差距较大，需要进行输入数据归一化处理。其次构建网络并进行网络的初始化工作，设置10层非线性的固定卷积层、一层全连接层，其中每层非线性的固定卷积层又包括一层卷积层和一层池化层。并对学习速率、训练目标最小误差、最大允许训练步数和小批量数据个数进行初始化。然后开始卷积神经网络的训练，将大量的输入输出训练样本投入网络中，进行网络中的权值训练，最终得到带有各个新权值的卷积神经网络模型。最后进行网络测试，将测试结果与预期值进行对比，以便评估该网络模型的训练结果，并对网络参数进行修正。最后，得到适合织物图片的卷积神经网络检测模型。图像预处理模本文档来自技高网...

【技术保护点】
一种基于卷积神经网络的织物疵点检测方法，其特征在于：该方法包括以下步骤：步骤1：通过图像采集模块获取织物图像，并发送至图像预处理模块；步骤2：图像预处理模块对所接受的织物图像进行预处理，包括图像滤波处理、压缩动态范围处理和直方图均衡化处理；步骤3：建立卷积神经网络模型，网络输入为预处理后的织物图像，网络输出为织物图像是否存在疵点以及疵点类型的情况；步骤4：将步骤2预处理后的织物图像输入步骤3所建立的卷积神经网络模型，卷积神经网络从多个角度自动提取织物图像的不同特征，实现对织物图像中的疵点进行识别和分类。

【技术特征摘要】
1.一种基于卷积神经网络的织物疵点检测方法，其特征在于：该方法包括以下步骤：步骤1：通过图像采集模块获取织物图像，并发送至图像预处理模块；步骤2：图像预处理模块对所接受的织物图像进行预处理，包括图像滤波处理、压缩动态范围处理和直方图均衡化处理；步骤3：建立卷积神经网络模型，网络输入为预处理后的织物图像，网络输出为织物图像是否存在疵点以及疵点类型的情况；步骤4：将步骤2预处理后的织物图像输入步骤3所建立的卷积神经网络模型，卷积神经网络从多个角度自动提取织物图像的不同特征，实现对织物图像中的疵点进行识别和分类。2.如权利要求1所述的一种基于卷积神经网络的织物疵点检测方法，其特征在于：所述步骤2中，使用高斯滤波在尽可能保留原图信息的情况下有效滤除织物图片中的噪声，采用对数变换的形式对图片进行增强。3.如权利要求1所述的一种基于卷积神经网络的织物疵点检测方法，其特征在于：所述步骤3中，卷积神经网络模型包含：输入层，多层非线性的固定卷积层，一层全连接层和输出层；其中，每层非线性的固定卷积层又包括一层卷积层和一层池化层。4.如权利要求1所述的一种基于卷积神经网络的织物疵点检测方法，其特征在于...

【专利技术属性】
技术研发人员：赵银玲，周武能，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31