一种玩具表皮织品检测方法技术

一种玩具表皮织品检测方法，包括如下步骤，(1)、采集玩具表皮图像；(2)、对图像进行预处理；(3)、将图像输入到神经网络；(4)、将问题点概率与预设值进行比较，如果概率大于预设值，则认定为问题点；(5)、利用自适应阈值分割算法对图像进行分割，最终检测出织物图像中的问题区域；(6)、输出玩具表皮织品的问题区域。

【技术实现步骤摘要】
一种玩具表皮织品检测方法
本专利技术涉及一种玩具表皮织品检测方法，属于图像处理

技术介绍
现有技术中，织品检测是质量控制的重要一环，但传统的人工方式存在着很大的局限性，小的问题肉眼难以分辨，容易产生误检和漏检，并且成本也较高。为了提高检测质量，利用图像处理技术成为一种有效方法。目前常见的检测方法可以大致分为以下几类：统计、光谱、模型、学习和结构。这些方法仅对特定的目标进行识别时可以取得良好的效果。但在图像背景复杂时候，识别率有所下降，同时还会增加方法的复杂度。为了客服现有检测方法的缺点，本专利技术提出了一种玩具表皮织品检测方法。这种方法可以自主学习图像中的特征信息。提高了检测效率和质量。
技术实现思路
本专利技术的专利技术目的是提供一种玩具表皮织品检测方法。本专利技术采用的技术方案是：(1)、采集玩具表皮图像；(2)、对图像进行预处理，建立亮度Y与R、G、B三个颜色分量的关系，即Y＝0.12B+0.48G+0.4R，对织品图像进行灰度化，采用双立方插值法对图像进行归一化处理。(3)、将图像输入到神经网络，所述神经网络包括7层，一层输入层、两层卷积层、两层池化层以及两层全连接层，其中输入层用于输入处理后的图像，卷积层用于特征提取，池化层对上一卷积层进行下采样，经过卷积和池化，将获取的特征向量输入到全连接层，得到最终输出向量，获取每个像素点属于问题点的概率；在神经网络训练过程中使用指数衰减学习速率，衰减学习速率的计算方式如下：η＝l_rate*β^(1/d_speed)其中l_rate是初始学习速率，η是更新后的学习率，β是衰减系数，d_speed是衰减速度；(4)、将问题点概率与预设值进行比较，如果概率大于预设值，则认定为问题点；(5)、利用自适应阈值分割算法对图像进行分割，最终检测出织物图像中的问题区域，其中自适应阈值选取公式为：当像素值p>0.5时，自适应阈值Y=m1*p-n1；当像素值p<=0.5时，自适应阈值Y=m2*p-n2；其中是m1比例因子1，m2是比例因子2，n1是移动因子1，n2是移动因子2，p是像素值；(6)、输出玩具表皮织品的问题区域。本专利技术与现有技术相比具有下列优点：1.可以对玩具表皮织品进行有效识别且达到了95％以上的准确率，具有良好的准确率。2.采用衰减型学习速率方法可以提高检测方法的准确率以及加快收敛速度。附图说明图1是本专利技术的流程图。具体实施方式下面结合附图及实施例对本专利技术作进一步描述：实施例一：参见图1所示，一种玩具表皮织品检测方法，包括如下步骤：(1)、采集玩具表皮图像；生产过程中，通过工业线阵相机拍摄织品图像作为样本；(2)、对图像进行预处理，建立亮度Y与R、G、B三个颜色分量的关系，即Y＝0.12B+0.48G+0.4R，对织品图像进行灰度化，采用双立方插值法对图像进行归一化处理。(3)、将图像输入到神经网络，所述神经网络包括7层，一层输入层、两层卷积层、两层池化层以及两层全连接层，其中输入层用于输入处理后的图像，卷积层用于特征提取，池化层对上一卷积层进行下采样，经过卷积和池化，将获取的特征向量输入到全连接层，得到最终输出向量，获取每个像素点属于问题点的概率；在神经网络训练过程中使用指数衰减学习速率；(4)、将问题点概率与预设值进行比较，如果概率大于预设值，则认定为问题点；(5)、利用自适应阈值分割算法对图像进行分割，最终检测出织物图像中的问题区域；(6)、输出玩具表皮织品的问题区域。优选的，衰减学习速率的计算方式如下：η＝l_rate*β^(1/d_speed)其中l_rate是初始学习速率，η是更新后的学习率，β是衰减系数，d_speed是衰减速度。实施例二：参见图1所示，一种玩具表皮织品检测方法，包括如下步骤：(1)、采集玩具表皮图像；生产过程中，通过工业线阵相机拍摄织品图像作为样本；(2)、对图像进行预处理，建立亮度Y与R、G、B三个颜色分量的关系，即Y＝0.12B+0.48G+0.4R，对织品图像进行灰度化，采用双立方插值法对图像进行归一化处理。(3)、将图像输入到神经网络，所述神经网络包括7层，一层输入层、两层卷积层、两层池化层以及两层全连接层，其中输入层用于输入处理后的图像，卷积层用于特征提取，池化层对上一卷积层进行下采样，经过卷积和池化，将获取的特征向量输入到全连接层，得到最终输出向量，获取每个像素点属于问题点的概率；在神经网络训练过程中使用指数衰减学习速率；(4)、将问题点概率与预设值进行比较，如果概率大于预设值，则认定为问题点；(5)、利用自适应阈值分割算法对图像进行分割，最终检测出织物图像中的问题区域；(6)、输出玩具表皮织品的问题区域。优选的，自适应阈值选取公式为：当像素值p>0.5时，自适应阈值Y=m1*p-n1；当像素值p<=0.5时，自适应阈值Y=m2*p-n2；其中是m1比例因子1，m2是比例因子2，n1是移动因子1，n2是移动因子2，p是像素值。本专利技术玩具表皮织品检测方法检测速度快，准确性高，适于大范围推广使用。本文档来自技高网...

【技术保护点】
1.一种玩具表皮织品检测方法，其特征在于：包括如下步骤：(1)、采集玩具表皮图像；(2)、对图像进行预处理，建立亮度Y与R、G、B三个颜色分量的关系，即Y＝0.12B+0.48G+0.4R，对织品图像进行灰度化，采用双立方插值法对图像进行归一化处理；(3)、将图像输入到神经网络，所述神经网络包括7层，一层输入层、两层卷积层、两层池化层以及两层全连接层，其中输入层用于输入处理后的图像，卷积层用于特征提取，池化层对上一卷积层进行下采样，经过卷积和池化，将获取的特征向量输入到全连接层，得到最终输出向量，获取每个像素点属于问题点的概率；在神经网络训练过程中使用指数衰减学习速率；(4)、将问题点概率与预设值进行比较，如果概率大于预设值，则认定为问题点；(5)、利用自适应阈值分割算法对图像进行分割，最终检测出织物图像中的问题区域；(6)、输出玩具表皮织品的问题区域。

【技术特征摘要】
1.一种玩具表皮织品检测方法，其特征在于：包括如下步骤：(1)、采集玩具表皮图像；(2)、对图像进行预处理，建立亮度Y与R、G、B三个颜色分量的关系，即Y＝0.12B+0.48G+0.4R，对织品图像进行灰度化，采用双立方插值法对图像进行归一化处理；(3)、将图像输入到神经网络，所述神经网络包括7层，一层输入层、两层卷积层、两层池化层以及两层全连接层，其中输入层用于输入处理后的图像，卷积层用于特征提取，池化层对上一卷积层进行下采样，经过卷积和池化，将获取的特征向量输入到全连接层，得到最终输出向量，获取每个像素点属于问题点的概率；在神经网络训练过程中使用指数衰减学习速率；(4)、将问题点概率与预设值进行比较，如果概率大于预设...

【专利技术属性】
技术研发人员：曾朝辉，姚湘，谭艳林，胡鸿雁，
申请(专利权)人：龙山县惹巴妹手工织品有限公司，
类型：发明
国别省市：湖南,43