一种柔性材料检测方法及其储存介质技术

本发明专利技术公开了一种柔性材料检测方法及其储存介质,包括以下步骤：S1、获取柔性材料的图像数据；S2、检测图像数据中的若干个表面缺陷信息，判断表面缺陷信息的明显程度，根据明显程度对每个表面缺陷信息进行分类；S3、根据分类情况选择进行特征匹配识别步骤或者神经网络识别步骤；S4、进行特征匹配识别步骤，基于特征匹配识别模型对表面缺陷信息分析得出第一缺陷类型信息；S5、进行神经网络识别步骤，基于神经网络识别模型对表面缺陷信息分析得出第二缺陷类型信息；S6、整合第一缺陷类型信息和/或第二缺陷类型信息输出检测结果；本设计进行合理的分类，保证整体结果的准确性，合理的分配提高整体的检测速率。

【技术实现步骤摘要】
一种柔性材料检测方法及其储存介质
本专利技术涉及柔性材料质检领域，特别是一种柔性材料检测方法及其储存介质。
技术介绍
在纺织品生产过程中，布匹等柔性材料表面瑕疵检测是其中尤为关键的一环，而且检测要求随着市场对产品质量的要求不断提升而更加严格，并且随着纺织品产量的持续增大，验布过程的速度与精度要求不断提升。目前，大部分纺织企业的检测方式仍是人工检测，这种方式易受检测员主观因素的影响，而且人工检测速度慢、成本高、误检率大，并且国内劳动力成本越来越高，因而人工检测越来越满足不了现代制造企业的要求。因此，如何快速精确地检测出纺织品表面瑕疵成为现代纺织品制造企业急需解决的问题。随着科学技术的快速发展，图像处理技术日渐成熟，在现有的图像处理技术下，一般有多种图像处理手段，例如，基于传统图像处理技术的特征匹配识别图像处理步骤，利用图像二值化处理、形态学处理来检测瑕疵，但是特征匹配识别图像处理步骤兼容性不强，可扩展性差，应用于布匹等柔性材料的检测中，无法适应多类型布匹的检测要求，而且对于具有复杂纹理背景的布匹，无法很好的进行处理；另一种是基于神经网络的本文档来自技高网...

【技术保护点】
1.一种柔性材料检测方法，其特征在于，包括以下步骤：/nS1、获取柔性材料的图像数据；/nS2、检测图像数据中的若干个表面缺陷信息，判断表面缺陷信息的明显程度，根据明显程度对每个表面缺陷信息进行分类；/nS3、根据分类情况选择进行特征匹配识别步骤或者神经网络识别步骤；/nS4、进行特征匹配识别步骤，基于特征匹配识别模型对表面缺陷信息分析得出第一缺陷类型信息；/nS5、进行神经网络识别步骤，基于神经网络识别模型对表面缺陷信息分析得出第二缺陷类型信息；/nS6、整合第一缺陷类型信息和/或第二缺陷类型信息输出检测结果。/n

【技术特征摘要】
1.一种柔性材料检测方法，其特征在于，包括以下步骤：
S1、获取柔性材料的图像数据；
S2、检测图像数据中的若干个表面缺陷信息，判断表面缺陷信息的明显程度，根据明显程度对每个表面缺陷信息进行分类；
S3、根据分类情况选择进行特征匹配识别步骤或者神经网络识别步骤；
S4、进行特征匹配识别步骤，基于特征匹配识别模型对表面缺陷信息分析得出第一缺陷类型信息；
S5、进行神经网络识别步骤，基于神经网络识别模型对表面缺陷信息分析得出第二缺陷类型信息；
S6、整合第一缺陷类型信息和/或第二缺陷类型信息输出检测结果。


2.根据权利要求1所述的一种柔性材料检测方法，其特征在于：在步骤S4中，提取表面缺陷信息的特征信息，特征信息包括颜色特征和/或形状特征和/或纹理特征，将提取的特征信息与预设的表征缺陷类别的特征点进行特征匹配识别，得出第一缺陷类型信息。


3.根据权利要求2所述的一种柔性材料检测方法，其特征在于：所述特征信息包括颜色特征，在步骤S4中，通过空间三通道拆分算法得出图像的H、S、V数值，通过计算直方图相交算法得出颜色直方图特征之间的距离，由图像的H、S、V数值以及颜色直方图特征之间的距离提取颜色特征。


4.根据权利要求2所述的一种柔性材料检测方法，其特征在于：所述特征信息包括形状特征，通过轮廓模板检测算法提取形状特征。


5.根据权利要求2所述的一种柔性材料检测方法，其特征在于：所述特征信息包括纹理特征，通过马尔科夫分布模型提取纹...

【专利技术属性】
技术研发人员：江昊，王斌，徐刚，江威，邓嵩源，
申请(专利权)人：中山德著智能科技有限公司，
类型：发明
国别省市：广东;44