一种基于自动编码器和BP神经网络的织物缺陷检测方法技术

本发明专利技术涉及一种基于自动编码器和BP神经网络的织物缺陷检测方法，在正常图像样本中加入预设比例的经疵和纬疵图像样本，创建自动编码器训练集后输入自动编码器模型，得到重构图像后分别与正常、经疵和纬疵图像样本作差，预处理作差图；创建BP神经网络模型，以处理得到的数据集作为训练集，得到BP神经网络模型，输入待测样本图像，将待测样本图像与重构图像作差，预处理后得到待测作差图像，输入BP神经网络检测并输出织物缺陷种类。本发明专利技术可以高效、准确进行织物缺陷检测，识别率高，满足工厂生产车间织物的检测要求；将被广泛应用、发展非常成熟、对图像处理非常高效的深度神经网络模型应用于织物缺陷检测中，提高织物的生产效率。

A Fabric Defect Detection Method Based on Automatic Encoder and BP Neural Network

【技术实现步骤摘要】
一种基于自动编码器和BP神经网络的织物缺陷检测方法
本专利技术涉及一般的图像数据处理或产生；图像分析的
，特别涉及一种基于自动编码器和BP神经网络的织物缺陷检测方法。
技术介绍
作为世界上最大的织物产出国，从西汉开始，丝绸等织物就成为了我国与外国贸易往来的重要组成部分，作为我国古代的标志贸易物品之一，丝绸的贸易也衍生出“海上丝绸之路”和“陆上丝绸之路”，成为了与外国交流的纽带和桥梁。到了近现代，我国的丝绸制造业在世界范围内仍然处于领先地位，但是对织物花纹印染过程中出现的错印、漏印等情况，仍然主要采用人工检测的方法。在实际生产中，一个熟练的操作工平均每分钟能够检测长度为17米、宽度为1米左右的织物，长时间的人工肉眼识别，会导致员工视觉疲劳，甚至遗漏掉重要缺陷。显而易见地，传统的人工检测织物疵点花费时间长、成本高，导致企业在市场竞争中难以占据有利位置。现有技术中，除了人工检测外，当然也出现了计算机检测织物缺陷的技术。当前织物缺陷检测主要有两种方法：(1)使用机器视觉和形态学算法对织物图像直接进行特征提取和图像分割；(2)通过神经网络对样本训练获取特征向量，再结合机器视觉进行图像分割提取缺陷部分；很多图像处理的技术被广泛运用到缺陷检测中来，如局部二值模式(localbinarypattern，LBP)、方向梯度直方图(histogramoforientedgradient，HOG)，还有图像分割技术，如Sobel算子、Roberts算子、meanshift算法等。然而，由于使用纯图像处理算法，织物的检测时间要求长，对相机像素精度要求高，且由于织物花纹的变化，算法的检测特征提取需要人为进行复杂的操作改变。
技术实现思路
本专利技术解决了现有技术中，传统的人工检测织物疵点花费时间长、成本高，导致企业在市场竞争中难以占据有利位置，而计算机检测使用纯图像处理算法，织物的检测时间要求长，对相机像素精度要求高，算法的检测特征提取需要人为进行复杂的操作改变的问题，提供了一种优化的基于自动编码器和BP神经网络的织物缺陷检测方法。本专利技术所采用的技术方案是，一种基于自动编码器和BP神经网络的织物缺陷检测方法，所述方法包括以下步骤：步骤1：基于正常图像样本，在正常图像样本中加入预设比例的经疵图像样本和纬疵图像样本，创建自动编码器训练集；将训练集输入自动编码器模型；设置自动编码器参数；步骤2：自动编码器输出重构图像；步骤3：将正常图像样本、经疵图像样本和纬疵图像样本分别与重构图像作差；将作差图进行预处理；步骤4：创建BP神经网络模型，以步骤3处理得到的数据集作为BP神经网络的训练集，设定BP神经网络参数，得到BP神经网络模型；步骤5：输入待测样本图像，将待测样本图像与所述重构图像作差，进行与步骤3相同的预处理，得到待测作差图像，输入BP神经网络；步骤6：输出织物缺陷种类。优选地，所述步骤1中，自动编码器模型包括4层隐藏层。优选地，所述隐藏层的维度分别为1500、500、200和50。优选地，所述步骤1中，预设比例为2％～8％。优选地，步骤1包括以下步骤：步骤1.1：以sigmoid为自动编码器模型的隐层激活函数；步骤1.2：令第一层的学习率为0.5，自动编码器去噪效果为0.5；步骤1.3：令第二层学习率为0.5，自动编码器去噪效果为0.3；步骤1.4：令第三层学习率为0.2，自动编码去噪效果为0.2；步骤1.5：令第四层学习率为0.1，自动编码器去噪效果为0.3。优选地，所述步骤3中，预处理包括以下步骤：步骤3.1：对作差图二值化处理；步骤3.2：对二值化的图进行去噪处理；步骤3.3：得到预处理后的数据集。优选地，所述步骤3.1中，所述二值化处理的阈值为0.12。优选地，所述步骤3.2中，所述去噪处理的阈值为10。优选地，所述步骤4中，创建BP神经网络模型，隐藏层数其中，m为输入层节点数，n为输出层节点数，a为从1到10的调整数；设定最大训练次数、目标误差和学习率。优选地，设定最大训练次数2500次、目标误差为0.01、学习率为0.05。本专利技术提供了一种优化的基于自动编码器和BP神经网络的织物缺陷检测方法，通过在正常图像样本中加入预设比例的经疵图像样本和纬疵图像样本，创建自动编码器训练集后输入自动编码器模型，设置参数；得到重构图像后分别与正常图像样本、经疵图像样本和纬疵图像样本作差，将作差图进行预处理；创建BP神经网络模型，以处理得到的数据集作为BP神经网络的训练集，设定BP神经网络参数，得到BP神经网络模型，输入待测样本图像，将待测样本图像与重构图像作差，预处理后得到待测作差图像，输入BP神经网络，检测并输出织物缺陷种类。本专利技术可以高效、准确进行织物缺陷检测，解决传统使用数字图像处理的算法复杂度高、检测时间长的缺点，检测方法识别率高，满足工厂生产车间织物的检测要求；将被广泛应用于人脸识别、目标检测、缺陷检测等各个方面且发展非常成熟、对图像处理非常高效的深度神经网络模型应用于织物缺陷检测中，提高织物的生产效率。附图说明图1为本专利技术中基于自动编码器获得的重构图像；图2自左至右为本专利技术中正常织物图像获得的重构图像、正常图像和缺陷图像；图3自左至右为本专利技术中纬疵织物图像获得的重构图像、正常图像和缺陷图像；图4自左至右为本专利技术中经疵织物图像获得的重构图像、正常图像和缺陷图像。具体实施方式下面结合实施例对本专利技术做进一步的详细描述，但本专利技术的保护范围并不限于此。本专利技术涉及一种基于自动编码器和BP神经网络的织物缺陷检测方法，所述方法包括以下步骤。步骤1：基于正常图像样本，在正常图像样本中加入预设比例的经疵图像样本和纬疵图像样本，创建自动编码器训练集；将训练集输入自动编码器模型；设置自动编码器参数。所述步骤1中，自动编码器模型包括4层隐藏层。所述隐藏层的维度分别为1500、500、200和50。所述步骤1中，预设比例为2％～8％。步骤1包括以下步骤：步骤1.1：以sigmoid为自动编码器模型的隐层激活函数；步骤1.2：令第一层的学习率为0.5，自动编码器去噪效果为0.5；步骤1.3：令第二层学习率为0.5，自动编码器去噪效果为0.3；步骤1.4：令第三层学习率为0.2，自动编码去噪效果为0.2；步骤1.5：令第四层学习率为0.1，自动编码器去噪效果为0.3。本专利技术中，自动编码器主要是对图像进行重新编码和解码，从而重构图像、提取图像特征的一种神经网络。为了增强训练样本的特征提取、提高重构模式的鲁棒性和纯度，需要在训练样本中加入一定比例的缺陷样本。纯净的训练样本X加入一定比例的缺陷样本，经过自动编码器编码过程得到Y，再进入解码阶段得到重构矩阵Z，由于自动编码器是对输入数据的隐含特征的提取，所以X和Z具有相同的维度。本专利技术中，训练集样本像素可以依据需求自行设置，如64*64，则输入层维度为4096。本专利技术中，隐藏层的维度可以依据需求自行设置。本专利技术中，预设比例可以依据需求自行设置，如3％。本专利技术中，调整参数包括学习率和自动编码器去噪效果可以依据需求自行设置，本实施例中公开为多次实验后的最佳初始参数；正常情况下，每次学习的学习率是自适应的，如matlab等工具中的函数自带参数调整，甚至只需要输入初始值即可。步骤2：自动编码器输出重构图像。本专利技术本文档来自技高网...

【技术保护点】
1.一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述方法包括以下步骤：步骤1：基于正常图像样本，在正常图像样本中加入预设比例的经疵图像样本和纬疵图像样本，创建自动编码器训练集；将训练集输入自动编码器模型；设置自动编码器参数；步骤2：自动编码器输出重构图像；步骤3：将正常图像样本、经疵图像样本和纬疵图像样本分别与重构图像作差；将作差图进行预处理；步骤4：创建BP神经网络模型，以步骤3处理得到的数据集作为BP神经网络的训练集，设定BP神经网络参数，得到BP神经网络模型；步骤5：输入待测样本图像，将待测样本图像与所述重构图像作差，进行与步骤3相同的预处理，得到待测作差图像，输入BP神经网络；步骤6：输出织物缺陷种类。

【技术特征摘要】
1.一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述方法包括以下步骤：步骤1：基于正常图像样本，在正常图像样本中加入预设比例的经疵图像样本和纬疵图像样本，创建自动编码器训练集；将训练集输入自动编码器模型；设置自动编码器参数；步骤2：自动编码器输出重构图像；步骤3：将正常图像样本、经疵图像样本和纬疵图像样本分别与重构图像作差；将作差图进行预处理；步骤4：创建BP神经网络模型，以步骤3处理得到的数据集作为BP神经网络的训练集，设定BP神经网络参数，得到BP神经网络模型；步骤5：输入待测样本图像，将待测样本图像与所述重构图像作差，进行与步骤3相同的预处理，得到待测作差图像，输入BP神经网络；步骤6：输出织物缺陷种类。2.根据权利要求1所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述步骤1中，自动编码器模型包括4层隐藏层。3.根据权利要求2所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述隐藏层的维度分别为1500、500、200和50。4.根据权利要求1所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：所述步骤1中，预设比例为2％～8％。5.根据权利要求2所述的一种基于自动编码器和BP神经网络的织物缺陷检测方法，其特征在于：步骤1包括以下步骤：步骤1.1：以sigmoid...

【专利技术属性】
技术研发人员：姚信威，王诗毅，倪方舟，叶超，齐楚锋，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33