The invention discloses a multi-level model of fabric defect detection method and system implementation method, which include: establish a pre classification model Model1, convolutional neural network model FabricNet and the final classification model of Model2; the fabric image acquisition, segmentation of ROI image, ROI image characteristic calculation of the value of the GLCM V1 will feature vector; V1 Model1 ROI to determine whether the image is the input image defects, if the defect image is the defect image input FabricNet, get the texture feature vector V2; if not, the result of image defects of ROI images; the V2 input Model2, the defect classification defect image identification results; final results of fabric image defect detection. Because the invention uses the 3 models of Model1, FabricNet and Model2, the accuracy and the real-time performance of the cloth defect detection are improved, and the industrial production demand is satisfied.
【技术实现步骤摘要】
一种多层次模型布匹疵点检测方法和系统
本专利技术属于模式识别
,具体涉及一种多层次模型布匹疵点检测方法和系统。
技术介绍
在纺织工业生产中,纺织品的检测是一道重要的工序,它决定了产品的质量,因此,疵点检测是生产工序中绝不可忽视的环节。然而,传统的的布匹疵点检测仍然是通过人工视觉来评定,人工长时间的检验不仅会影响产品质量的客观评定,还受限于检验人员的熟练程度。随着布匹的生产速度的提高以及对产品质量要求的提高,人工检验存在很大的弊端,包括检测速度慢、检测率低和稳定性差等,这使得人工检验越来越不适应工业生产的需求,因此,迫切需求生产过程中实现自动、精准、快速检测疵点的方法。
技术实现思路
针对现有技术的以上缺陷或改进需求,本专利技术提供了一种多层次模型布匹疵点检测方法和系统,其目的在于解决布匹生产过程中人工检验疵点效率低,而现有基于机器视觉的检测方法准确率低、时效性低等问题。为实现上述目的,按照本专利技术的一个方面,提供了一种多层次模型布匹疵点检测方法,包括以下步骤:(1)预先训练预分类模型Model1、卷积神经网络模型FabricNet和终分类模型Model2;(2)采集布匹图像,对其分割得到ROI图像,计算ROI图像的GLCM的特征值组成特征向量V1;(3)将V1输入Model1判断ROI图像是否为疵点图像,若为疵点图像则进行步骤(4),若不是疵点图像则得到了ROI图像的判别结果,ROI图像为正常图像;(4)将疵点图像输入FabricNet,得到卷积层Fc7层输出向量作为疵点图像的纹理特征向量V2;(5)将V2输入Model2,得出疵点图像的疵点分类判别结 ...
【技术保护点】
一种多层次模型布匹疵点检测方法,其特征在于,包括以下步骤:(1)预先训练预分类模型Model1、卷积神经网络模型FabricNet和终分类模型Model2;(2)采集布匹图像,对其分割得到ROI图像,计算ROI图像的GLCM的特征值组成特征向量V1;(3)将V1输入Model1判断ROI图像是否为疵点图像,若为疵点图像则进行步骤(4),若不是疵点图像则得到了ROI图像的判别结果,ROI图像为正常图像;(4)将疵点图像输入FabricNet,得到卷积层Fc7层输出向量作为疵点图像的纹理特征向量V2;(5)将V2输入Model2,得出疵点图像的疵点分类判别结果;最终得到布匹图像的疵点检测结果。
【技术特征摘要】
1.一种多层次模型布匹疵点检测方法,其特征在于,包括以下步骤:(1)预先训练预分类模型Model1、卷积神经网络模型FabricNet和终分类模型Model2;(2)采集布匹图像,对其分割得到ROI图像,计算ROI图像的GLCM的特征值组成特征向量V1;(3)将V1输入Model1判断ROI图像是否为疵点图像,若为疵点图像则进行步骤(4),若不是疵点图像则得到了ROI图像的判别结果,ROI图像为正常图像;(4)将疵点图像输入FabricNet,得到卷积层Fc7层输出向量作为疵点图像的纹理特征向量V2;(5)将V2输入Model2,得出疵点图像的疵点分类判别结果;最终得到布匹图像的疵点检测结果。2.如权利要求1所述的一种多层次模型布匹疵点检测方法,其特征在于,所述Model1的具体训练方式为:选取含有疵点的图像和不含疵点的图像组合为学习集L1,其中将L1按照第一预设比例分为训练集L11和验证集L12;计算L11中图像的GLCM的特征值组成特征向量V11,将V11输入第一分类器进行训练;计算L12中图像的GLCM的特征值组成特征向量V12,将V12输入第一分类器测试预分类的准确率,得到预分类准确率大于等于第二预设值的Model1。3.如权利要求2所述的一种多层次模型布匹疵点检测方法,其特征在于,所述FabricNet的具体训练方式为:选取含有疵点的图像和不含疵点的图像组合为学习集L2,其中将L2按照第三预设比例分为训练集L21和验证集L22;对L21采用N折交叉验证法进行训练,用L22测试再分类的准确率,得到再分类准确率大于等于第四预设值的FabricNet。4.如权利要求3所述的一种多层次模型布匹疵点检测方法,其特征在于,所述Model2的具体训练方式为:选取含有疵点的图像和不含疵点的图像组合为学习集L3,L3按...
【专利技术属性】
技术研发人员:孙志刚,万东,肖力,王卓,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北,42
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。