【技术实现步骤摘要】
一种基于视觉识别技术的纺织质量检测算法及设备
本专利技术涉及视觉识别
，特别涉及一种基于视觉识别技术的纺织质量检测算法及设备。
技术介绍
随着我国工业化的飞速发展，各种工业产品的生产速度得到了极大的提高，由于工业产品的缺陷类型多种多样，传统工业上对于产品的缺陷识别工作一直是由人工完成，但是人工识别缺陷会受到很多因素的影响，漏检率很高，对商品质量和企业信誉都产生了不良的影响，因此本专利技术提供一种基于视觉识别技术的纺织质量检测算法及设备，能够自动学习识别多种缺陷，准确率高，节省了大量的人力物力。
技术实现思路
针对上述技术问题，本专利技术提供一种基于视觉识别技术的纺织质量检测算法及设备，能够有效解决上述技术问题，具有精确度高，响应迅速的优点。为解决上述技术问题，本专利技术采用的技术方案为：一种基于视觉识别技术的纺织质量检测算法，该基于视觉识别技术的纺织质量检测算法采用的是区域卷积神经网络，包括输入层、卷积层、下采样层、全连接层、输出层，该基于视觉识别技术的纺织质量检测算法包括以下步骤：...
【技术保护点】
1.一种基于视觉识别技术的纺织质量检测算法，其特征在于：该基于视觉识别技术的纺织质量检测算法采用的是区域卷积神经网络，包括输入层、卷积层、下采样层、全连接层、输出层，该基于视觉识别技术的纺织质量检测算法包括以下步骤：/n步骤一：待检测纺织物图像获取；/n步骤二：生成目标候选区域；/n步骤三：缺陷特征提取；/n步骤四：缺陷特征的识别与定位；/n步骤五：寻找最佳位置信息。/n
【技术特征摘要】
1.一种基于视觉识别技术的纺织质量检测算法，其特征在于：该基于视觉识别技术的纺织质量检测算法采用的是区域卷积神经网络，包括输入层、卷积层、下采样层、全连接层、输出层，该基于视觉识别技术的纺织质量检测算法包括以下步骤：
步骤一：待检测纺织物图像获取；
步骤二：生成目标候选区域；
步骤三：缺陷特征提取；
步骤四：缺陷特征的识别与定位；
步骤五：寻找最佳位置信息。
2.根据权利要求1所述的一种基于视觉识别技术的纺织质量检测算法，其特征在于：所述的获取纺织物图像的方式是将图像输入区域卷积神经网络，区域卷积神经网络提取的特征包括缺陷类别、缺陷位置，缺陷位置坐标以及用于标出缺陷目标的矩形框尺寸。
3.根据权利要求1所述的一种基于视觉识别技术的纺织质量检测算法，其特征在于：所述的生成目标候选区域的方式是根据获取的图像信息输出所有可能出现目标的位置坐标。
4.根据权利要求1所述的一种基于视觉识别技术的纺织质量检测算法，其特征在于：所述的缺陷特征提取利用GoogleNet深度神经网络，利用其自主学习缺陷目标特征识别纺织物质量缺陷。
5.根据权利要求1所述的一种基于视觉识别技术的纺织质量检测算法，其特征在于：所述的缺陷特征的识别与定位是通过分类与边界回归完成的，分类器根据候选区域的CNN特征进行分类，利用边界回归获取精确的区域信息，采用FasterR-CNN网络模型，该模型由用于提取候选区域的区域建议网络RPN和用于目标检测的卷积神经网络FastR-CNN构成。
6.根据权利要求1所述的一种基于视觉识别技术的纺织质量检测算法，其特征在于：所述的寻找最佳的位置信息采用非极大值抑制算法，包括以下步骤：
(1)计算检测框集合中所有检测框的面积；
(2)将检测框根据其置信度分数进行排序，将置信度最高的检测框放到输出序列；
(3)计算其余检测框与(2)中所述的置信度最高的检测框的重叠面积比例，如果重叠比例大于设定的阈值，则去除该检测框；
(4)选取其他未处理的检测框，重复(2)、(3)的步骤。
7.应用如权利要求1-6任一项所述算法的一种基于视觉识别技术算法的纺织质量检测设备，其特征在于：包括摄像头、特征提取模块、分类与边界回归模块、报警模块、送料装置、显示模块、缺陷显示装置，其特征在于：显示模块为显示器，特征提取模块与摄像头连接，分类与边界回归模块与特征提取模块连接，显示器与特征提取模块连接，缺陷显示装置与分类与边界回归模块连接，报警模块与特征提取模块连接。
8.如权利要求7所述的一种基于视觉识别技术的纺织质量检测设备，包括支架(1)、卷布机构(2)、脱离机构(3)，其特征在于：
所述的支架(1)包括立板(103)、底座(104)；
所述的卷布机构(2)包括电机座(202)、转盘(203)；
所述的脱离机构(3)包括滑座(305)、不...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。