基于风格迁移和人工智能的纺织品缺陷检测方法及系统技术方案

本发明专利技术涉及人工智能技术领域，具体涉及一种基于风格迁移和人工智能的纺织品缺陷检测方法及系统。该方法获取简单纹理纺织品图像中的缺陷信息，获得初始缺陷分割图像。将初始分割图像分割为缺陷区域图像和正常区域图像。将属于不同初始分割图像且属于相同区域的缺陷区域图像和正常区域图像进行匹配，获得风格迁移图像组。将风格迁移图像组进行风格迁移获得风格迁移图像。将风格迁移图像进行拼接获得复杂纹理纺织品图像，利用复杂纹理纺织品图像训练最优缺陷检测网络，通过最优缺陷检测网络检测待检测纺织品图像的纺织品缺陷。本发明专利技术通过包含缺陷信息和多种风格信息的复杂纹理纺织品图像作为训练数据，提高了最优缺陷检测网络检测能力和适用性。检测能力和适用性。检测能力和适用性。

【技术实现步骤摘要】
基于风格迁移和人工智能的纺织品缺陷检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于风格迁移和人工智能的纺织品缺陷检测方法及系统。

技术介绍

[0002]纺织品应用于服装、工艺品等多个行业。纺织品的缺陷检测对于纺织品行业有这重要意义。以服装行业举例，纺织品的缺陷会导致服装的质量下降，口碑下跌，从而影响服装的销量。因此需要准确的筛选出纺织品的缺陷信息，避免因为包含缺陷信息的纺织品导致成品质量收到影响。
[0003]纺织品的缺陷主要通过人工进行检测，但是人工检测易出现漏检误检的情况，且效率低，检测速度缓慢。利用机器学习和深度学习算法可通过检测纺织品图像信息代替人工检测，但是对于纺织品而言，表面的纹理信息复杂，且不同纺织品存在不同的纹理风格，因此所需训练数据庞大，网络模型拟合时间长，且对于不同风格的纺织品无法获得准确的缺陷信息。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供一种基于风格迁移和人工智能的纺织品缺陷检测方法及系统，所采用的技术方案具体如下：本专利技术提出了一种基于风格迁移和人工智能的纺织品缺陷检测方法，所述方法包括：采集简单纹理纺织品图像；将所述简单纹理纺织品图像送入预先处理好的初始缺陷检测网络中，输出初始缺陷分割图像；所述初始缺陷分割图像包含缺陷信息，若相邻缺陷信息的距离小于预设距离阈值，则将所述相邻缺陷信息合并为一个所述缺陷信息；以所述初始缺陷分割图像的重心为起始点做分割线，获得多个分割区域图像；所述分割区域图像为缺陷区域图像或正常区域图像；所述缺陷区域图像中仅包含一个所述缺陷信息；将属于不同所述初始缺陷分割图像且处于相同位置对应的所述缺陷区域图像和所述正常区域图像进行匹配，获得风格迁移图像组；通过预先训练好的风格迁移网络处理所述风格迁移图像组，输出多个风格迁移图像；将多个所述风格迁移图像拼接，获得包含所述缺陷信息和多种风格信息的复杂纹理纺织品图像；以所述复杂纹理纺织品图像作为训练数据训练最优缺陷检测网络；获得待检测纺织品图像，将所述待检测纺织品图像送入所述最优缺陷检测网络获得纺织品缺陷。
[0005]进一步地，所述缺陷信息包括缺陷位置及其对应的缺陷概率。
[0006]进一步地，所述以所述初始缺陷分割图像的重心为起始点做分割线，获得多个分割区域图像包括：在所述初始缺陷分割图像中，根据所述缺陷信息的数量设置所述分割线，使得所
述缺陷信息数量相同的不同所述初始缺陷分割图像上对应位置处的所述分割区域图像之间区域形状相同。
[0007]进一步地，所述过预先训练好的风格迁移网络处理所述风格迁移图像组，输出多个风格迁移图像包括：将多个所述风格迁移图像组与预设白噪声图像输入所述风格迁移网络中，输出多个所述风格迁移图像。
[0008]进一步地，所述风格迁移网络包括：所述风格迁移网络的损失函数包括内容损失函数和风格损失函数；所述内容损失函数包括：其中，为所述内容损失函数，为所述正常区域图像在所述风格迁移网络中第层第个特征图中第个特征值，为所述白噪声图像在所述风格迁移网络中第层第个特征图中第个特征值；所述风格损失函数包括：其中，为所述风格损失函数，为所述风格迁移网络输出的特征图的数量，为所述特征图中特征值的数量，为所述缺陷区域图像经过所述风格迁移网络处理后的所述风格信息，为所述缺陷区域图像在所述风格迁移网络中第层第个特征图中第个特征值。
[0009]进一步地，所述将多个所述风格迁移图像拼接，获得包含所述缺陷信息和多种风格信息的复杂纹理纺织品图像包括：将多个所述风格迁移图像送入预先训练好的图像拼接网络中，输出所述复杂纹理纺织品图像。
[0010]进一步地，所述图像拼接网络包括：设定缝隙损失函数，通过所述风格迁移图像的之间的缝隙面积调整网络损失值；所述缝隙损失函数包括：其中，为所述缝隙损失函数，为所述图像拼接网络输出的所述缝隙面积，为两个所述风格迁移图像之间的真实缝隙面积。
[0011]进一步地，所述最优缺陷检测网络包括：以所述复杂纹理纺织品图像作为训练数据，以所述复杂纹理纺织品图像中的所述缺陷信息作为自标注信息，根据所述训练数据和所述自标注信息训练所述最优缺陷检测网络。
[0012]进一步地，所述最优缺陷检测网络包括：所述最优缺陷检测网络通过缺陷概率损
失函数和交叉熵损失函数调整网络损失值，所述缺陷概率损失函数包括：其中，为所述缺陷概率损失函数，为所述最优缺陷检测网络输出的所述复杂纹理纺织品图像中所述缺陷信息的所述缺陷概率，为所述初始缺陷分割图像中的所述缺陷信息的所述缺陷概率。
[0013]本专利技术还提出了一种基于风格迁移和人工智能的纺织品缺陷检测系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现任意一项所述一种基于风格迁移和人工智能的纺织品缺陷检测方法的步骤。
[0014]本专利技术具有如下有益效果：本专利技术实施例通过初始缺陷检测网络快速准确获得简单纹理纺织品图像的缺陷信息。通过将包含缺陷信息的初始缺陷分割图像分区并进行风格迁移，获得包含缺陷信息且包含多种风格信息的复杂纹理纺织品图像。以复杂纹理纺织品图像作为最优缺陷检测网络的训练数据，简化了训练数据的数据量，使得最优缺陷检测网络可以快速收敛，达到训练目标，能够完成各种表面纹理复杂度的纺织品的缺陷识别。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0016]图1为本专利技术一个实施例所提供的种基于风格迁移和人工智能的纺织品缺陷检测方法流程图。
具体实施方式
[0017]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于风格迁移和人工智能的纺织品缺陷检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0019]下面结合附图具体的说明本专利技术所提供的一种基于风格迁移和人工智能的纺织品缺陷检测方法及系统的具体方案。
[0020]请参阅图1，其示出了本专利技术一个实施例提供的一种基于风格迁移和人工智能的纺织品缺陷检测方法流程图，该方法包括：步骤S1：采集简单纹理纺织品图像；将简单纹理纺织品图像送入预先处理好的初始缺陷检测网络中，输出初始缺陷分割图像。
[0021]因为工艺的多样化，导致纺织品的纹理风格复杂多样。对于纹理风格复杂的纺织
品，根据纺织品图像无法快速准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于风格迁移和人工智能的纺织品缺陷检测方法，其特征在于，所述方法包括：采集简单纹理纺织品图像；将所述简单纹理纺织品图像送入预先处理好的初始缺陷检测网络中，输出初始缺陷分割图像；所述初始缺陷分割图像包含缺陷信息，若相邻缺陷信息的距离小于预设距离阈值，则将所述相邻缺陷信息合并为一个所述缺陷信息；以所述初始缺陷分割图像的重心为起始点做分割线，获得多个分割区域图像；所述分割区域图像为缺陷区域图像或正常区域图像；所述缺陷区域图像中仅包含一个所述缺陷信息；将属于不同所述初始缺陷分割图像且处于相同位置对应的所述缺陷区域图像和所述正常区域图像进行匹配，获得风格迁移图像组；通过预先训练好的风格迁移网络处理所述风格迁移图像组，输出多个风格迁移图像；将多个所述风格迁移图像拼接，获得包含所述缺陷信息和多种风格信息的复杂纹理纺织品图像；以所述复杂纹理纺织品图像作为训练数据训练最优缺陷检测网络；获得待检测纺织品图像，将所述待检测纺织品图像送入所述最优缺陷检测网络获得纺织品缺陷；。2.根据权利要求1所述的一种基于风格迁移和人工智能的纺织品缺陷检测方法，其特征在于，所述缺陷信息包括缺陷位置及其对应的缺陷概率。3.根据权利要求1所述的一种基于风格迁移和人工智能的纺织品缺陷检测方法，其特征在于，所述以所述初始缺陷分割图像的重心为起始点做分割线，获得多个分割区域图像包括：在所述初始缺陷分割图像中，根据所述缺陷信息的数量设置所述分割线，使得所述缺陷信息数量相同的不同所述初始缺陷分割图像上对应位置处的所述分割区域图像之间区域形状相同。4.根据权利要求1所述的一种基于风格迁移和人工智能的纺织品缺陷检测方法，其特征在于，所述通过预先训练好的风格迁移网络处理所述风格迁移图像组，输出多个风格迁移图像包括：将多个所述风格迁移图像组与预设白噪声图像输入所述风格迁移网络中，输出多个所述风格迁移图像。5.根据权利要求4所述的一种基于风格迁移和人工智能的纺织品缺陷检测方法，其特征在于，所述风格迁移网络包括：所述风格迁移网络的损失函数包括内容损失函数和风格损失函数；所述内容损失函数包括：其中，为所述内容损失函数，为所述正常...

【专利技术属性】
技术研发人员：唐木香，张宗望，
申请(专利权)人：启东市固德防水布有限公司，
类型：发明
国别省市：