一种基于机器视觉的布匹缺陷标注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，具体涉及一种基于机器视觉的布匹缺陷标注方法及系统。获取包括布匹的纹理的表面图像，得到表面图像对应的灰度图像，根据灰度图像得到包含边缘信息的频域图像；进一步获取灰度图像中纹理的周期方向和纹理方向；根据周期方向和纹理方向对应的灰度共生矩阵；选取灰度共生矩阵中出现频数大于预设阈值时对应的每组像素点对为一个纹理单元；获取每个纹理单元在周期方向和纹理方向对应的共生游程矩阵，根据灰度共生矩阵和共生游程矩阵获取异常纹理单元，根据异常纹理单元获取中断像素点对，根据中断像素点对获取缺陷像素点。避免了图像本身噪声点造成的误差，提高了对布匹缺陷检测的效率和准确性。提高了对布匹缺陷检测的效率和准确性。提高了对布匹缺陷检测的效率和准确性。

【技术实现步骤摘要】
一种基于机器视觉的布匹缺陷标注方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于机器视觉的布匹缺陷标注方法及系统。

技术介绍

[0002]纺织工业是我国国民经济的支柱产业，纺织工业与钢铁、汽车、船舶、石化、轻化工、有色金属、装备制造业、电子信息及物流业等产业一起，是我国主要的产业构成。在纺织品生产过程中，布匹表面缺陷将直接影响到布匹的等级，是影响布匹质量的关键因素，而不同等级的布匹的价格也相差很大，因此布匹瑕疵检测在纺织品质量控制方面显得尤为重要。
[0003]现有的对布匹检测大部分由人工检测完成，依赖于工作人员的经验和熟练程度，但对布匹缺陷进行检查是一种十分乏味的工作，因而经常会产生误检或者漏检，极大地消耗劳动力，并且检测效率和准确率都较低。

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机器视觉的布匹缺陷标注方法及系统，所采用的技术方案具体如下：第一方面，本专利技术一个实施例提供了一种基于机器视觉的布匹缺陷标注方法，该方法包括以下步骤：获取布匹的表面图像，所述表面图像包括布匹的纹理；对所述表面图像进行灰度化处理得到灰度图像，根据所述灰度图像得到包含边缘信息的频域图像；根据所述频域图像获取所述灰度图像中纹理的周期方向和纹理方向；获取所述灰度图像在所述周期方向和所述纹理方向对应的灰度共生矩阵；根据所述灰度共生矩阵获取每组像素点对出现的频数，所述频数大于预设阈值时对应的每组像素点对为一个纹理单元；获取每个所述纹理单元在所述周期方向和所述纹理方向对应的共生游程矩阵，根据所述灰度共生矩阵和所述共生游程矩阵获取异常纹理单元，对所述异常纹理单元所在方向进行遍历获取中断像素点对，根据所述中断像素点对获取缺陷像素点。
[0005]优选的，所述灰度图像通过傅里叶变化得到对应的所述频域图像。
[0006]优选的，所述纹理方向与所述周期方向垂直。
[0007]优选的，所述根据所述灰度共生矩阵和所述共生游程矩阵获取异常纹理单元的步骤，包括：根据所述灰度共生矩阵中获取每个所述纹理单元的频数，根据所述频数对所述纹理单元进行排序得到纹理单元序列；根据所述共生游程矩阵获取所述纹理单元序列中每个元素的最大游程构成最大游程序列，根据所述最大游程序列内元素之间的差值获取所述异常纹理单元。
[0008]优选的，所述根据所述最大游程序列内元素之间的差值获取所述异常纹理单元的步骤，包括：当所述纹理单元序列为升序排列时，则所述最大游程序列对应为递增序列；当所述最大游程序列中相邻元素之间的差值小于零时，所述差值对应的两个所述纹理单元为异常纹理单元。
[0009]优选的，所述根据所述中断像素点对获取缺陷像素点的步骤包括:当所述中断像素点对不是所述纹理单元时，所述中断像素点为所述缺陷像素点。
[0010]第二方面，本专利技术另一个实施例提供了一种基于机器视觉的布匹缺陷标注系统，该系统包括存储器、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，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0011]本专利技术具有如下有益效果：通过获取布匹表面的灰度图像，获取该灰度图像中纹理的周期方向和纹理方向，沿着该灰度图像的周期方向和纹理方向构建对应的灰度共生矩阵，根据该灰度共生矩阵获取频数较大的纹理单元；进而获取每个纹理单元在周期方向和纹理方向的共生游程矩阵，根据频数较大的纹理单元进行共生游程矩阵的计算，减少了灰度图像中本身存在的噪声点的影响，根据共生游程矩阵和灰度共生矩阵结合得到纹理单元中存在异常的异常纹理单元，对异常纹理单元进一步分析，得到中断该异常纹理单元连续性的中断像素点对，根据该中断像素点对获取缺陷像素点。利用共生游程矩阵寻找缺陷像素点的方法提高了对布匹缺陷检测的准确性，也提高了检测的效率。
附图说明
[0012]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。
[0013]图1为本专利技术一个实施例所提供的一种基于机器视觉的布匹缺陷标注的方法流程图。
具体实施方式
[0014]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机器视觉的布匹缺陷标注方法及系统，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。
[0015]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。
[0016]本专利技术实施例适用与对表面纹理存在周期性规律的布匹的缺陷进行标记的场景，为了解决人工对布匹缺陷检测的不准确的问题，本专利技术实施例利用布匹表面的灰度图像，得到对应的频域图像，进一步获取该灰度图像中纹理的周期方向和纹理方向，沿着周期方向和纹理方向构建对应的灰度共生矩阵，从而获取频数较大的纹理单元，构建每个纹理单
元的共生游程矩阵，根据共生游程矩阵和灰度共生矩阵得到异常纹理单元，进一步得到缺陷像素点。减少了图像本身噪声点的影响，提高了对布匹缺陷检测的准确性和效率。
[0017]下面结合附图具体的说明本专利技术所提供的一种基于机器视觉的布匹缺陷标注方法及系统的具体方案。
[0018]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机器视觉的布匹缺陷标注的方法流程图，该方法包括以下步骤：步骤S100，获取布匹的表面图像，表面图像包括布匹的纹理。
[0019]在纺织品生产过程中，布匹表面的缺陷会直接影响到布匹的质量，因此需要对完成后的每个布匹是否存在缺陷进行检测。本专利技术实施例中以俯视视角布置相机对布匹进行图像采集，获取每个布匹的初始图像，其中该初始图像包括布匹的完整区域以及布匹上所有的纹理特征。
[0020]进一步的，对初始图像进行处理，避免布匹之外的背景像素对后续分析造成干扰；将该初始图像输入语义分割网络，网络结构为编码器
‑
解码器，具体训练过程如下：（1）语义分割网络的输入为初始图像；（2）人为对初始图像进行标注，将布匹区域像素点标注为1，其他区域像素点标注为0；（3）语义分割网络的输出为语义分割图；（4）损失函数采用交叉熵损失函数。
[0021]将获取到的语义分割图作为掩膜图像与原初始图像相乘，得到布匹的表面图像，该表面图像去除了背景像素点的干扰，只包含布匹区域及其布匹上的所有纹理特征。
[0022]步骤S200，对表面图像进行灰度化处理得到灰度图像，根据灰度图像得到包含边缘信息的频域图像；根据频域图像获取灰度图像中纹理的周期方向和纹理方向。
[0023]由步骤S100中获取到布匹的表面图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的布匹缺陷标注方法，其特征在于，该方法包括以下步骤：获取布匹的表面图像，所述表面图像包括布匹的纹理；对所述表面图像进行灰度化处理得到灰度图像，根据所述灰度图像得到包含边缘信息的频域图像；根据所述频域图像获取所述灰度图像中纹理的周期方向和纹理方向；获取所述灰度图像在所述周期方向和所述纹理方向对应的灰度共生矩阵；根据所述灰度共生矩阵获取每组像素点对出现的频数，所述频数大于预设阈值时对应的每组像素点对为一个纹理单元；获取每个所述纹理单元在所述周期方向和所述纹理方向对应的共生游程矩阵，根据所述灰度共生矩阵和所述共生游程矩阵获取异常纹理单元，对所述异常纹理单元所在方向进行遍历获取中断像素点对，根据所述中断像素点对获取缺陷像素点。2.根据权利要求1所述的方法，其特征在于，所述灰度图像通过傅里叶变化得到对应的所述频域图像。3.根据权利要求1所述的方法，其特征在于，所述纹理方向与所述周期方向垂直。4.根据权利要求1所述的方法，其特征在于，所述根据所述灰度共生矩阵和所述共生游程矩阵获取异常纹理...

【专利技术属性】
技术研发人员：钟胜良，
申请(专利权)人：南通东德纺织科技有限公司，
类型：发明
国别省市：