基于图像金字塔和列模板的织物瑕疵检测方法技术

本发明专利技术涉及一种基于图像金字塔和列模板织物瑕疵检测方法，包括以下步骤：步骤S1：采集织物图像数据集，并构建无瑕疵样本的图像金字塔，得到多尺度图像块的集合作为训练集;步骤S2:将训练集进行预处理，并搭建和训练SDCAE图像重构模型;步骤S3:对待检图像进行分块操作，将待检图像块输入图像重构模型中，得到对应的重构图像块；步骤S4:对待检图像和重构图像进行更细粒度分块，计算出分块后的待检图像和重构图像的相似性度量矩阵，粗定位瑕疵图像块；步骤S5:构建待检分块图像的列模板集合，细定位瑕疵块，得到最终的检测结果。本发明专利技术可以应用于周期性织物瑕疵检测，纯色织物检测，检测效果好精度高。

Fabric defect detection method based on image pyramid and column template

The invention relates to a fabric defect detection method based on image pyramid and column template, which comprises the following steps: step S1: collecting fabric image data set, constructing image pyramid of flawless samples, obtaining a set of multi-scale image blocks as training set; step S2: preprocessing the training set, building and training the sdcae image reconstruction model; step S3: processing the image to be inspected Block operation: input the image block to be inspected into the image reconstruction model to get the corresponding reconstructed image block; step S4: divide the image to be inspected and the reconstructed image into more fine-grained blocks, calculate the similarity measurement matrix of the image to be inspected and the reconstructed image after block segmentation, and roughly locate the defective image block; step S5: build the column template set of the image to be inspected and fine locate the defective block to get the most Final test results. The invention can be applied to periodic fabric defect detection and pure color fabric detection with good detection effect and high precision.

【技术实现步骤摘要】
基于图像金字塔和列模板的织物瑕疵检测方法
本专利技术涉及深度学习与计算机视觉领域，具体涉及一种基于图像金字塔和列模板的织物瑕疵检测方法。
技术介绍
纺织品瑕疵检测是控制产品质量的重要内容,纺织品的质量好坏直接关系到纺织企业的生产成本与经济效益。目前很多企业仍然通过雇佣员工进行人工检测，人眼易疲劳，容易产生漏检的情况。由于纺织品种类繁多、疵点形状各异，导致检测难度增大。因此,研究计算机视觉等技术进行智能检测具有重要的意义,使得纺织品的质量得以提高，生产成本降低。纺织品按照纹理不同可以分为2类织物类型:1)结构简单,纯色织物的纺织品。2)含有复杂的周期性图案信息。由于织物图像易受光照、角度等外在因素和周期图案复杂等内在因素影响，目前还没有一个完整能够有效检测出各类疵点的算法，因此实用的新算法开发是一个重要的研究课题。
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图像金字塔和列模板织物瑕疵检测方法，可以提高织物瑕疵区域的定位精度。为实现上述目的，本专利技术采用如下技术方案：一种基于图像金字塔和列本文档来自技高网...

【技术保护点】
1.一种基于图像金字塔和列模板织物瑕疵检测方法，其特征在于，包括以下步骤：/n步骤S1：采集织物图像数据集，并构建无瑕疵样本的图像金字塔，得到多尺度图像块的集合作为训练集；/n步骤S2:将训练集进行预处理，并搭建和训练SDCAE图像重构模型；/n步骤S3:对待检图像进行分块操作，将待检图像块输入图像重构模型中，得到对应的重构图像块；/n步骤S4:对待检图像和重构图像进行更细粒度分块，计算出分块后的待检图像和重构图像的相似性度量矩阵，粗定位瑕疵图像块；/n步骤S5:构建待检分块图像的列模板集合，细定位瑕疵块，得到最终的检测结果。/n

【技术特征摘要】
1.一种基于图像金字塔和列模板织物瑕疵检测方法，其特征在于，包括以下步骤：
步骤S1：采集织物图像数据集，并构建无瑕疵样本的图像金字塔，得到多尺度图像块的集合作为训练集；
步骤S2:将训练集进行预处理，并搭建和训练SDCAE图像重构模型；
步骤S3:对待检图像进行分块操作，将待检图像块输入图像重构模型中，得到对应的重构图像块；
步骤S4:对待检图像和重构图像进行更细粒度分块，计算出分块后的待检图像和重构图像的相似性度量矩阵，粗定位瑕疵图像块；
步骤S5:构建待检分块图像的列模板集合，细定位瑕疵块，得到最终的检测结果。


2.根据权利要求1所述的基于图像金字塔和列模板织物瑕疵检测方法，其特征在于，所述步骤S1具体为：
步骤S11:收集公开的织物图像数据集，并获得相关的图像和人工标记；
步骤S12:将数据集中的无瑕疵图像集合Itrain下采样成不同的尺寸大小的图像，构建每类纹理织物的无瑕疵图像的拉普拉斯图像金字塔；
步骤S13:采用固定大小(r*c)的滑动窗口等比例地在金字塔的各层级图像上随机提取图像块，得到图像块的集合，记为训练集X。


3.根据权利要求1所述的基于图像金字塔和列模板织物瑕疵检测方法，其特征在于，所述步骤S2具体为：
步骤S21:将训练集X中的每个图像块x都加上随机噪声noise，得到预处理后的训练集X+noise，作为SDCAE图像重构模型训练集；
步骤S22:SDCAE图像重构模型使用堆栈式连接的多个卷积层来取代传统自编码器的隐藏层，图像重构模型包含必要的两个部分，编码器部分和解码器部分，编码器部分是具有三轮卷积、池化操作的卷积神经网络；解码器是对称的三轮上采样层与卷积层构成；
SDCAE图像重构模型如下式所示:
h(0)＝X+noise(1)
h(l-1)＝U(h(l-1))l＝4,…6(2)



h(l)＝P(h(l))l＝1,2,…3(4)
Y＝h(6)(5)
其中h(l)表示第l层卷积层的输出，b(l)表示第l层的卷积层的权重，偏移，σ(·)表示激活函数，U(·)表示上采样操作，P(·)表示池化操作，*表示卷积操作，Y表示模型的输出；
步骤S23:微调预训练模型各个卷积层的参数和网络深度，网络训练阶段的损失函数定义为输入的图像块集合...

【专利技术属性】
技术研发人员：谢伙生，张亚峰，吴泽森，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35