布面瑕疵识别方法、系统和存储介质技术方案

本发明专利技术公开了一种布面瑕疵识别方法、系统和存储介质，方法包括以下步骤：获取布匹图像；将所述布匹图像分割为尺寸相同的多个子图；通过分类模型对所述多个所述子图进行分类，得到各所述子图属于缺陷类型的得分；计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值；其中，N为大于等于2的整数；根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷。本发明专利技术通过分割的方式可以降低图像的大小，使得存在瑕疵的子图中，瑕疵占子图面积的比例相对于瑕疵占全图的比例增加，从而增加识别的准确性，并且通过计算前N个的得分均值作为判断依据，进一步增加了识别的准确性。本发明专利技术可以广泛应用于图像识别技术。

【技术实现步骤摘要】
布面瑕疵识别方法、系统和存储介质
本专利技术涉及图像识别技术，尤其是一种布面瑕疵识别方法、系统和存储介质。
技术介绍
织布机生产时，一旦出现故障，生产的布匹会产生瑕疵。然而，布匹的生产设备并不能够检测到自身所有的故障。例如，织布机中某个部件轻微变形，导致布匹出现缺经或者缺纬的时候，布匹生产设备本身并不能发现。现有技术中，通过图像识别的方式可以检验布匹是否存在缺陷，但是专利技术人发现，现有技术中，通过对拍摄的图像进行识别的准确率比较低，其原因是瑕疵占据整个图像的面积较小。
技术实现思路
为解决上述技术问题的至少之一，本专利技术的目的在于：提供一种布面瑕疵识别方法、系统和存储介质，以提升瑕疵识别的准确率。第一方面，本专利技术实施例提供了：一种布面瑕疵识别方法，包括以下步骤：获取布匹图像；将所述布匹图像分割为尺寸相同的多个子图；通过分类模型对所述多个所述子图进行分类，得到各所述子图属于缺陷类型的得分；计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值；其中，N为大于等于2的整数；根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷。进一步，所述缺陷类型有多个；所述计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值，包括：针对每个缺陷类型都进行以下计算：计算各所述子图中属于相同缺陷类型的得分最大的前N个所述子图的对应得分的平均值；所述根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷，包括：对应任一缺陷类型的平均值满足预设条件，则判定图像中布匹存在缺陷。进一步，所述方法还包括以下步骤：当设定时间内获取的所述布匹图像中超过M个被判定为图像中布匹存在缺陷，则触发报警。进一步，所述分类模型通过以下方式得到：获取第一训练集合，所述第一训练集合中包括多个被标注的训练样本，所述训练样本为布匹图像的子图；对所述第一训练集合中的训练样本进行对比度变换、亮度变换、添加随机噪声、添加随机模糊或者随机翻转中的至少一种处理，得到新的训练样本；将所述新的训练样本添加到所述第一训练集合中，得到第二训练集合；利用第二训练集合对参数随机初始化的分类模型进行训练，得到所述分类模型。第二方面，本专利技术实施例提供了：一种布面瑕疵识别系统，包括：获取单元，用于获取布匹图像；分割单元，用于将所述布匹图像分割为尺寸相同的多个子图；分类单元，用于通过分类模型对所述多个所述子图进行分类，得到各所述子图属于缺陷类型的得分；计算单元，用于计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值；其中，N为大于等于2的整数；判断单元，用于根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷。第三方面，本专利技术实施例提供了：一种布面瑕疵识别系统，包括：程序；存储器，用于存储所述程序；处理器，用于加载所述程序以执行所述的布面瑕疵识别方法。第四方面，本专利技术实施例提供了：一种布面瑕疵识别系统，包括：摄像机，用于拍摄布匹图像；控制器，用于获取所述布匹图像，将所述布匹图像分割为尺寸相同的多个子图；通过分类模型对所述多个所述子图进行分类，得到各所述子图属于缺陷类型的得分；计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值；根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷；其中，N为大于等于2的整数；继电器，受控于所述控制器，用以控制布匹处理设备；所述控制器根据图像中布匹存在缺陷的情况控制所述继电器。进一步，所述缺陷类型有多个；所述计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值，包括：针对每个缺陷类型都进行以下计算：计算各所述子图中属于相同缺陷类型的得分最大的前N个所述子图的对应得分的平均值；所述根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷，包括：对应任一缺陷类型的平均值满足预设条件，则判定图像中布匹存在缺陷。进一步，控制器还用于当设定时间内获取的所述布匹图像中超过M个被判定为图像中布匹存在缺陷，则触发报警；所述控制器在触发报警时，控制所述继电器切换状态，以控制布匹处理设备停止作业。第五方面，本专利技术实施例提供了：一种存储介质，其存储有程序，所述程序被处理器执行时实现所述的布面瑕疵识别方法。本专利技术实施例的有益效果是：本专利技术对布匹图像进行分割，然后对分割后的子图进行识别，并将属于缺陷类型得分最大的前N个子图的得分求平均，以此来判断布匹图像中的布匹是否存在瑕疵，通过分割的方式可以降低图像的大小，使得存在瑕疵的子图中，瑕疵占子图面积的比例相对于瑕疵占全图的比例增加，从而增加识别的准确性，另外，以属于缺陷类型得分最大的前N个子图的得分来求平均值，利用了布匹通常横跨多个子图的规律，以该平均值来判断布匹是否存在瑕疵，可以进一步增加准确性。附图说明图1为本专利技术实施例提供的一种瑕疵识别方法的步骤流程图；图2为本专利技术实施例提供的一种分类模型的示意图；图3为本专利技术实施例提供的另一种瑕疵识别方法的步骤流程图；图4为本专利技术实施例提供的一种瑕疵识别系统的模块框图。具体实施方式下面结合说明书附图和具体的实施例对本专利技术进行进一步的说明。参照图1，本实施例公开了一种布面瑕疵识别方法，包括以下步骤：步骤110、获取布匹图像。在本实施例中，布匹图像是通过安装在布匹处理设备上的摄像头所拍摄的图像，其为实时获取的图像。在本实施例的布匹图像中，只包含布匹的表面图像，不包含其他非布匹的图像。当然，在一些实施例中，布匹图像可以是由摄像头拍摄的图像裁剪得到的。步骤120、将所述布匹图像分割为尺寸相同的多个子图。在本实施例中，由于神经网络的输入层大小是固定的，因此，子图需要分割成尺寸相同的子图。在本实施例中，可以将布匹图像分割成3*3个子图。需要理解的是，在另一些实施例中，该划分方式也可以是4*4、2*5等等，具体视神经网络的输入层和布匹图像的参数而定。如图2所示，图2左侧是典型的缺经的图像，图2右侧是经过分割后的图像，可见缺经部分贯穿了多个子图，而相较于缺经部分占全图的面积比例而言，包含缺经部分的子图中的缺经面积占子图的面积比例显然更大，也就是说，在子图中缺陷更加明显，因此，从包含缺经部分的子图中识别缺陷是更加容易的。步骤130、通过分类模型对所述多个所述子图进行分类，得到各所述子图属于缺陷类型的得分。在本实施例中，所指的缺陷类型可以是一种或者多种。在缺陷类型只有一种的情况下，本步骤实际上是在对布匹图像中的布匹是否存在缺陷进行分类，即分类结果只有存在缺陷和正常两种，而分类模型会输出属于这两种本文档来自技高网...

【技术保护点】
1.一种布面瑕疵识别方法，其特征在于，包括以下步骤：/n获取布匹图像；/n将所述布匹图像分割为尺寸相同的多个子图；/n通过分类模型对所述多个所述子图进行分类，得到各所述子图属于缺陷类型的得分；/n计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值；其中，N为大于等于2的整数；/n根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷。/n

【技术特征摘要】
1.一种布面瑕疵识别方法，其特征在于，包括以下步骤：
获取布匹图像；
将所述布匹图像分割为尺寸相同的多个子图；
通过分类模型对所述多个所述子图进行分类，得到各所述子图属于缺陷类型的得分；
计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值；其中，N为大于等于2的整数；
根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷。


2.根据权利要求1所述的布面瑕疵识别方法，其特征在于：所述缺陷类型有多个；
所述计算各所述子图中属于缺陷类型的得分最大的前N个所述子图的对应得分的平均值，包括：
针对每个缺陷类型都进行以下计算：
计算各所述子图中属于相同缺陷类型的得分最大的前N个所述子图的对应得分的平均值；
所述根据所述平均值是否满足预设条件来判断图像中布匹是否存在缺陷，包括：
对应任一缺陷类型的平均值满足预设条件，则判定图像中布匹存在缺陷。


3.根据权利要求1所述的布面瑕疵识别方法，其特征在于：所述方法还包括以下步骤：
当设定时间内获取的所述布匹图像中超过M个被判定为图像中布匹存在缺陷，则触发报警。


4.根据权利要求1所述的布面瑕疵识别方法，其特征在于：所述分类模型通过以下方式得到：
获取第一训练集合，所述第一训练集合中包括多个被标注的训练样本，所述训练样本为布匹图像的子图；
对所述第一训练集合中的训练样本进行对比度变换、亮度变换、添加随机噪声、添加随机模糊或者随机翻转中的至少一种处理，得到新的训练样本；
将所述新的训练样本添加到所述第一训练集合中，得到第二训练集合；
利用第二训练集合对参数随机初始化的分类模型进行训练，得到所述分类模型。


5.一种布面瑕疵识别系统，其特征在于，包括：
获取单元，用于获取布匹图像；
分割单元，用于将所述布匹图像分割为尺寸相同的多个子图；
分类单元，用于通过分类模型对所述多个所述子图进行分类，得到各所述子图属于缺陷类...

【专利技术属性】
技术研发人员：黄思东，
申请(专利权)人：广州寻星网络科技有限公司，
类型：发明
国别省市：广东;44