一种基于机器视觉的布匹表面疵点检测方法及其系统技术方案

本申请公开了一种基于机器视觉的布匹表面疵点检测方法，包括：获取第一训练样本；其中，所述第一训练样本包括布匹表面图像以及相应的表面疵点状态信息；利用所述第一训练样本，对基于深度学习算法构建的第一待训练模型进行训练，得到第一训练后模型；将待检测布匹的表面图像输入至所述第一训练后模型，得到所述第一训练后模型输出的与所述待检测布匹的表面图像对应的表面疵点检测结果。本发明专利技术提前设定了客观的检测标准，与可能产生主观误差的人工检测相比，获得的检测结果更准确，稳定性更高；而且由于这些步骤都由机器实现，不需考虑工作人员的身体健康和工作强度，提高了检测效率。本申请还公开了一种基于机器视觉的布匹表面疵点检测系统。

A method and system for detecting fabric surface defects based on machine vision

The invention discloses a method of fabric surface defect detection based on machine vision including: first obtaining training samples; among them, the first training samples including cloth surface image and the corresponding surface defect state information; using the first training samples of the learning algorithm to build depth training model based on training, get the first training model; the surface of the image input to the first training model will be detected by the cloth surface defect image surface corresponding to the first training after the output of the model and the test results of the detection of cloth. The present invention set the detection standards of objective, subjective and error compared to manual detection possible, the detection result is more accurate, more stable; and because of these steps is realized by the machine, do not need to consider the health of the staff and work intensity, improve the detection efficiency. A fabric surface defect detection system based on machine vision is also disclosed in this paper.

【技术实现步骤摘要】
一种基于机器视觉的布匹表面疵点检测方法及其系统
本专利技术涉及纺织领域，特别涉及一种基于机器视觉的布匹表面疵点检测方法及其系统。
技术介绍
纺织工业是我国国民经济的支柱产业之一。布匹质量的优劣程度对纺织生产有相当大的影响。长期以来，对布匹质量的检测一般由人工目测完成。这种方法依靠的是检验人员的工作经验和熟练程度，同一个检验人员的评价标准不够稳定，行业内也没有建立起统一的布匹质量验证标准。因为人工检验中可能产生的人工失误，导致误检和漏检，降低产品质量和生产效率。另外，过大的劳动强度不利于检验人员的身心健康。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于机器视觉的布匹表面疵点检测方法及其系统，用于建立相比人工检验，更加标准、高效的布匹检验机制。其具体方案如下：一种基于机器视觉的布匹表面疵点检测方法，包括：获取第一训练样本；其中，所述第一训练样本包括布匹表面图像以及相应的表面疵点状态信息；利用所述第一训练样本，对基于深度学习算法构建的第一待训练模型进行训练，得到第一训练后模型；将待检测布匹的表面图像输入至所述第一训练后模型，得到所述第一训练后模型输出的与所述待检测布匹的表面图像对应本文档来自技高网...

【技术保护点】
一种基于机器视觉的布匹表面疵点检测方法，其特征在于，包括：获取第一训练样本；其中，所述第一训练样本包括布匹表面图像以及相应的表面疵点状态信息；利用所述第一训练样本，对基于深度学习算法构建的第一待训练模型进行训练，得到第一训练后模型；将待检测布匹的表面图像输入至所述第一训练后模型，得到所述第一训练后模型输出的与所述待检测布匹的表面图像对应的表面疵点检测结果。

【技术特征摘要】
1.一种基于机器视觉的布匹表面疵点检测方法，其特征在于，包括：获取第一训练样本；其中，所述第一训练样本包括布匹表面图像以及相应的表面疵点状态信息；利用所述第一训练样本，对基于深度学习算法构建的第一待训练模型进行训练，得到第一训练后模型；将待检测布匹的表面图像输入至所述第一训练后模型，得到所述第一训练后模型输出的与所述待检测布匹的表面图像对应的表面疵点检测结果。2.根据权利要求1所述的检测方法，其特征在于，所述利用所述第一训练样本，对基于深度学习算法构建的第一待训练模型进行训练，得到第一训练后模型的过程包括：利用所述第一训练样本，对基于BP神经网络算法构建的第一待训练模型进行训练，得到第一训练后模型。3.根据权利要求2所述的检测方法，其特征在于，所述利用所述第一训练样本，对基于BP神经网络算法构建的第一待训练模型进行训练，得到第一训练后模型的过程包括：对所述第一训练样本的布匹表面图像进行预处理，得到样本子图像；对所述样本子图像进行特征提取，得到所述样本子图像的特征信息；将所述特征信息输入所述第一待训练模型进行训练，获得第一训练后模型。4.根据权利要求3所述的检测方法，其特征在于，所述对所述第一样本的布匹表面图像进行预处理，得到样本子图像的过程，包括：将所述布匹样本图像从空间域转化到频域，得到频域图像；对所述频域图像进行平滑处理，得到平滑后图像；将所述平滑后图像进行分割，得到样本子图像。5.根据权利要求4所述的检测方法，其特征在于，所述对所述样本子图像进行特征提取，得到所述样本子图像的特征信息的过程，包括：通过Gabor滤波方法对所述样本子图像进行特征提取，得到所述样本子图像的特征信息。6.根据权利要求1-5任一项所述的检测方法，其特征在于，还包括：获取第二训练样本；其中，所述第二训练样本包括布匹表面图像以及相应的表面疵点类型；利用所述第二训练样本，对基于卷积神经网络算法构建的第二待训练模型进行训练，得到第二训练后模型；当所述表面疵点检测结果表明所述待检测布匹存在疵点，将所述待检测布匹的表面图像输入所述第二训练后模型，得到所述第二训练后模型输出的所述待检测布匹的表面疵点类型。7.根据权利要求6所述的检测方法，其特征在于，所述第二训练样本的表面疵点类型，包括：竹节类型、和/或断经类型、和/或缺纬类型、和/或飞针类型、和/或跳纱类型、和/或破洞...

【专利技术属性】
技术研发人员：张美杰，张平，黄坤山，李力，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44