基于人工智能的柔性皮革材料疥癣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，具体涉及一种基于人工智能的柔性皮革材料疥癣缺陷检测方法及系统，对待测皮革的待测表面图像进行预处理得到表面灰度图；根据表面灰度图与标准图像得到差值图；将差值图进行灰度级量化得到差值量化图；对每个灰度级通道进行聚类得到多个簇；获取差值量化图中的每个第一像素点与每个灰度级通道中的最近簇的第一融合向量、目标像素点与每个灰度级通道中的最近簇的皮革最大差值向量；计算每个第一像素点的第一融合向量与第二融合向量之间的相似度，得到皮革差值共生图像，最后结合待测表面图像和语义分割网络，得到缺陷检测结果，解决了容易将噪声点以及与疥癣缺陷相似的纹理特征错误识别为疥癣的技术问题。的技术问题。的技术问题。

【技术实现步骤摘要】
基于人工智能的柔性皮革材料疥癣缺陷检测方法及系统


[0001]本专利技术涉及人工智能
，具体涉及一种基于人工智能的柔性皮革材料疥癣缺陷检测方法及系统。

技术介绍

[0002]柔性皮革材料是我们日常生活中常用的制品用料，其用途非常广泛，在我们日常生活中，皮革制品随处可见，如用于皮鞋、钱包、汽车坐垫、皮椅、皮包等方面，是现代生活不可缺少的生活用品。但是往往皮革加工原料中或多或少会存在不同大小和类型的缺陷，如划伤、癣疥、虫孔、疤痕等，是动物生长到制作过程中产生的各类缺陷，直接对皮革原料进行加工会影响皮革最终的成品质量，因此在皮革加工生产过程中需要对皮革加工原料进行缺陷检查，以便在排样和切割加工时避开缺陷，提高皮革制品质量。
[0003]传统的皮革表面缺陷检测大部分是通过专业的检测人员检查皮革表面存在的缺陷，并进行标记。人工标注皮革缺陷属于经验性操作，依赖经验丰富的熟练技工逐处检视整张皮革，采用记号笔用各种各样的几何符号标记出缺陷点，每张皮需耗时 6
‑
10 分钟，需要高专注度，脑力、体力消耗大，且还会存在较多漏标注的细小缺陷。
[0004]目前对于皮革表面缺陷的检测方法还有采用语义分割网络对待检测皮革图像中的缺陷进行分类。
[0005]专利技术人在实践中，发现上述现有技术存在以下缺陷：由于语义分割图网络是通过人工标注的方式对皮革上的疥癣区域进行标注，但是由于人工标注的方式更加关注的是像素特征，往往会将图像中的噪声点或者某些纹理特征与疥癣缺陷相似的区域错误的识别为疥癣区域。r/>
技术实现思路

[0006]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人工智能的柔性皮革材料疥癣缺陷检测方法及系统，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人工智能的柔性皮革材料疥癣缺陷检测方法，该检测方法包括：采集待测皮革的待测表面图像，对所述待测表面图像进行预处理得到表面灰度图；对所述表面灰度图与标准图像的灰度均值作差得到差值图，所述标准图像为无缺陷皮革的表面图像；将所述差值图进行灰度级量化得到差值量化图，所述差值量化图由不同灰度级通道组成；对每个所述灰度级通道进行聚类得到多个簇；对于所述差值量化图中的每个第一像素点，每个灰度级通道中距离所述第一像素点最近的簇为第一簇，根据所述第一像素点到每个第一簇的向量得到皮革像素差值向量；融合所述第一像素点对应的所有皮革像素差值向量得到第一融合向量；
获取所述差值量化图中的目标像素点，所述目标像素点是所述差值图中像素值最大的相应像素点；每个灰度级通道中距离所述目标像素点最近的簇为第二簇；根据所述目标像素点到每个第二簇的向量得到皮革最大差值向量；融合每个所述目标像素点对应的所有皮革最大差值向量得到第二融合向量；计算每个第一像素点的所述第一融合向量与所述第二融合向量之间的相似度，得到皮革差值共生图像；将所述待测表面图像与所述皮革差值共生图像输入语义分割网络得到缺陷检测结果；所述对每个所述灰度级通道进行聚类得到多个簇的步骤包括：对每个所述灰度级通道采用均值漂移聚类算法，找到每个所述灰度级通道中的多个聚类中心，聚类中心的数量为聚类所得到簇的数量，得到每个所述灰度级通道中的多个簇。
[0007]进一步，所述融合每个所述第一像素点对应的所有皮革像素差值向量得到第一融合向量的步骤包括：将所有所述像素差值向量乘以各自的权重求和得到所述第一融合向量；所述权重为相应所述像素差值向量所对应的第一簇的像素数量与所有第一簇的像素总量的比值。
[0008]进一步，所述融合每个所述目标像素点对应的所有皮革最大差值向量得到第二融合向量的步骤包括：将所有所述皮革最大差值向量乘以各自的权重求和得到所述第二融合向量；所述权重为相应所述皮革最大差值向量所对应的第二簇的像素数量与所有第二簇的像素总量的比值。
[0009]进一步，所述计算每个第一像素点的所述第一融合向量与所述目标像素点的所述第二融合向量之间的相似度的方法采用余弦相似度。
[0010]进一步，所述对所述待测表面图像进行预处理得到表面灰度图的步骤包括：灰度化所述待测表面图像得到初始灰度图；对所述初始灰度图进行直方图均衡化处理得到所述表面灰度图。
[0011]进一步，所述计算每个第一像素点的所述第一融合向量与所述第二融合向量之间的相似度的步骤还包括：当目标像素点存在多个时，计算每个目标像素点的第二融合向量，以所有目标像素点的第二融合向量的均值计算与每个第一融合向量之间的所述相似度。
[0012]进一步，所述每个灰度级通道中距离所述第一像素点最近的簇为第一簇的获取步骤包括：以所述第一像素点为中心，在相应的灰度级通道中搜索与所述第一像素点最近的聚类中心，所述聚类中心所对应的簇为所述第一簇。
[0013]第二方面，本专利技术实施例还提供了一种基于人工智能的柔性皮革材料疥癣缺陷检测系统，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上述任意一种方法的步骤。
[0014]本专利技术实施例具有如下有益效果：本专利技术实施例公开了一种基于人工智能的柔性皮革材料疥癣缺陷检测方法，该方法通过获取待测表面图像与无缺陷皮革区域的标准图像之间的差值图，并对差值图进行量化得到量化图像，对量化图中每个灰度等级的像素点进行聚类得到多个簇，计算量化图像中每个像素点与每个灰度等级中最近的簇之间的第一融合向量、以及目标像素点在量化图
中与每个灰度等级中最近的簇之间的第二融合向量，计算第一融合向量与第二融合向量之间的相似度，得到以相似度作为像素值的皮革差值共生图像，将该皮革差值共生图像以及待测表面图像作为语义分割网络的输入，皮革差值共生图像作为语义分割网络的监督信息能够使网络更加关注相似度较大的区域，降低相似度较小区域的关注度，使语义分割网络输出的结果更加准确，解决了现有技术中容易将噪声点以及与疥癣缺陷相似的纹理特征错误识别为疥癣的技术问题。
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一种基于人工智能的柔性皮革材料疥癣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人工智能的柔性皮革材料疥癣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柔性皮革材料疥癣缺陷检测方法，其特征在于，该检测方法包括：采集待测皮革的待测表面图像，对所述待测表面图像进行预处理得到表面灰度图；对所述表面灰度图与标准图像的灰度均值作差得到差值图，所述标准图像为无缺陷皮革的表面图像；将所述差值图进行灰度级量化得到差值量化图，所述差值量化图由不同灰度级通道组成；对每个所述灰度级通道进行聚类得到多个簇；对于所述差值量化图中的每个第一像素点，每个灰度级通道中距离所述第一像素点最近的簇为第一簇，根据所述第一像素点到每个第一簇的向量得到皮革像素差值向量；融合所述第一像素点对应的所有皮革像素差值向量得到第一融合向量；获取所述差值量化图中的目标像素点，所述目标像素点是所述差值图中像素值最大的相应像素点；每个灰度级通道中距离所述目标像素点最近的簇为第二簇；根据所述目标像素点到每个第二簇的向量得到皮革最大差值向量；融合每个所述目标像素点对应的所有皮革最大差值向量得到第二融合向量；计算每个第一像素点的所述第一融合向量与所述第二融合向量之间的相似度，得到皮革差值共生图像；将所述待测表面图像与所述皮革差值共生图像输入语义分割网络得到缺陷检测结果；所述对每个所述灰度级通道进行聚类得到多个簇的步骤包括：对每个所述灰度级通道采用均值漂移聚类算法，找到每个所述灰度级通道中的多个聚类中心，聚类中心的数量为聚类所得到簇的数量，得到每个所述灰度级通道中的多个簇；所述融合每个所述第一像素点对应的所有皮革像素差值向量得到第一融合向量的步骤包括：将所有所述像素差值向量乘以各自的权重求和得到所述第一融合向量；所述权重为相应所述像素差值向量所对应的第一簇的像素数量与所有第一簇的像素总量的比...

【专利技术属性】
技术研发人员：王桂花，
申请(专利权)人：江苏启航箱包有限公司，
类型：发明
国别省市：