基于人工智能的纺织品缺陷类型识别方法技术

本发明专利技术涉及纺织品领域，具体涉及一种基于人工智能的纺织品缺陷类型识别方法，包括：获取纺织品表面灰度图；对灰度图进行聚类，得到第一聚类簇；根据第一聚类簇内像素点的灰度值进行高斯拟合，计算各高斯模型两两间的KL散度，得到第一聚类簇两两间的相似度；根据相似度对第一聚类簇进行合并，得到第二聚类簇；根据各第二聚类簇与正常纺织品的灰度均值的差值获取疑似缺陷区域；根据各疑似缺陷区域的面积和最小外接矩形的宽高比获取缺陷区域；对包含缺陷区域的RGB图进行剪切，得到各缺陷区域RGB图；利用各缺陷区域RGB图识别纺织品中的缺陷种类。上述方法用于识别纺织品的缺陷类型，通过上述方法可提高缺陷识别的准确度。通过上述方法可提高缺陷识别的准确度。通过上述方法可提高缺陷识别的准确度。

Recognition method of textile defect type based on Artificial Intelligence

【技术实现步骤摘要】
基于人工智能的纺织品缺陷类型识别方法


[0001]本专利技术涉及纺织品领域，具体涉及一种基于人工智能的纺织品缺陷类型识别方法。

技术介绍

[0002]纺织品表面出现缺陷时，将会影响后续织物的美观，甚至会造成质量问题。缺陷检测以及缺陷种类的识别是纺织品工业生产的关键环节。在纺织工业中，纺织品缺陷有50多种，大多数缺陷是由机器故障和纱线问题引起的，这类缺陷可分为污纱、蛛网、断经、并纬、稀弄和松纱六种缺陷。纺织品在生产过程中以及在进入市场之前需经过各种检验和测试，对于纺织品表面的瑕疵缺陷识别是必不可少的一步。
[0003]目前，对于纺织品表面的瑕疵缺陷识别的手段主要是人工方式，依靠检测者的主观经验进行判断和识别。
[0004]然而，人工方式的纺织品缺陷识别效果严重依赖于检测者的主观经验、注意力和判断力，误检率及漏检率过高，识别效率低。因此亟需一种方法提高纺织品缺陷识别的准确度和效率。

技术实现思路

[0005]本专利技术提供一种基于人工智能的纺织品缺陷类型识别方法，包括：获取纺织品表面灰度图；对灰度图进行聚类，得到第一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的纺织品缺陷类型识别方法，其特征在于，包括：获取待检测纺织品表面灰度图；对灰度图进行聚类处理，得到所有第一聚类簇；根据每个第一聚类簇内各像素点的灰度值进行高斯拟合，计算各第一聚类簇对应的高斯模型两两间的KL散度，根据KL散度得到所有第一聚类簇两两间的相似度；根据第一聚类簇两两间的相似度对所有第一聚类簇进行类别合并，得到所有第二聚类簇；计算每个第二聚类簇所有像素点的灰度均值与正常纺织品所有像素点的灰度均值的差值，根据差值获取所有疑似缺陷区域；根据各疑似缺陷区域的面积和最小外接矩形的宽高比获取所有缺陷区域；对仅包含缺陷区域的纺织品表面RGB图像进行剪切，得到各缺陷区域对应的RGB图像；通过将各缺陷区域对应的RGB图像输入训练好的网络中对缺陷区域的缺陷类型进行分类。2.根据权利要求1所述的一种基于人工智能的纺织品缺陷类型识别方法，其特征在于，所述第一聚类簇两两间的相似度是按照如下方式得到：根据每个第一聚类簇内各像素点的灰度值进行高斯拟合，得到所有第一聚类簇对应的高斯模型；根据每个第一聚类簇对应的高斯模型值计算得到所有高斯模型两两间的KL散度；利用高斯模型两两间的KL散度计算得到第一聚类簇两两间的相似度。3.根据权利要求1所述的一种基于人工智能的纺织品缺陷类型识别方法，其特征在于，所述所有第二聚类簇是按照如下方式得到：设置阈值，对第一聚类簇两两间的相似度进行判断；当两个第一聚类簇的相似度高于阈值时，则将这两个第一聚类簇进行合并，分为一个集合；当集合外存在第一聚类簇与集合内的所有第一聚类簇两两间的相似度均高于阈值时，将集合外所有与集合内的各第一聚类簇两两间的相似度均高于阈值的第一聚类簇进行合并，得到第一个第二聚类簇；按照得到第一个第二聚类簇的方法得到第二个第二聚类簇，依次得到所有第二聚类簇。4.根据权利要求1所述的一种基于人工智能的纺织品缺陷类型识别方法，其特征在于，所述所有疑似缺陷区域是按照如下方式获取：计算各第二聚类簇所有像素点的灰度均值与正常纺织品所有像素点的灰度均值的差值；将最小差值对应的第二聚类簇包含的像素点作为背景像素点，其余的各个第二聚类簇包含的像素点作为各个疑似缺陷区域像素点，获取所有疑似缺陷区域。5.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：杨美琴，范春燕，
申请(专利权)人：启东新朋莱纺织科技有限公司，
类型：发明
国别省市：