一种基于霍夫变换的服装锁眼钉扣缺陷检测方法技术

本发明专利技术涉及人工智能技术领域，具体涉及一种基于霍夫变换的服装锁眼钉扣缺陷检测方法。该方法采集衣服图像，根据衣服图像中的扣眼数量和纽扣数量对衣服锁扣进行初始缺陷匹配；获取纽扣的尺寸合格度以及扣眼与纽扣之间的匹配程度；结合尺寸合格度和匹配程度得到对应每个衣服锁扣的缺陷程度，根据缺陷程度对衣服进行筛选。通过图像处理能够提高检测效率，避免了检测误差，保证了衣服成品的质量。保证了衣服成品的质量。保证了衣服成品的质量。

【技术实现步骤摘要】
一种基于霍夫变换的服装锁眼钉扣缺陷检测方法


[0001]本专利技术涉及人工智能
，具体涉及一种基于霍夫变换的服装锁眼钉扣缺陷检测方法。

技术介绍

[0002]服装在生产过程中，当服装出厂前还需要对服装的锁眼钉扣进行检测，锁眼应注意：扣眼位置是否正确，且扣眼大小与钮扣大小是否配套。
[0003]一般服装厂的服装锁眼钉扣检测都是人工检测，而检测的准确度往往会与检测工人的经验状态和效率相关，且其判别标准也不尽相同，这就在一定程度增加了服装检测的效率和准确性。

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霍夫变换的服装锁眼钉扣缺陷检测方法，所采用的技术方案具体如下：
[0005]采集衣服图像，所述衣服图像中包括扣眼和纽扣，根据所述衣服图像中的扣眼数量和纽扣数量对衣服锁扣进行初始缺陷匹配；
[0006]当所述初始缺陷匹配结果为无缺陷时，将所述衣服图像转换为灰度图像，对所述灰度图像采用霍夫梯度法以检测纽扣对应圆的半径，根据所述半径得到纽扣面积以确认纽扣的尺寸合格度；基于霍夫直线检测获取扣眼对应的直线，根据所述直线的第一长度与纽扣的第二长度计算衣服锁扣的匹配程度；
[0007]结合所述尺寸合格度和所述匹配程度得到对应每个衣服锁扣的缺陷程度，根据所述缺陷程度对衣服进行筛选。
[0008]进一步地，所述对所述灰度图像采用霍夫梯度法以检测纽扣对应圆的半径的方法，包括：
[0009]对所述灰度图像中的纽扣进行边缘检测，得到边缘检测的二值图像；计算出所述灰度图像中所有像素点的邻域梯度值以得到每个像素点的梯度方向，遍历所述二值图像中所有非零像素点，沿着其梯度方向画直线，将直线经过的所有累加器中的每个像素点的直线数量N进行统计，设置数量阈值，当大于数量阈值所对应的像素点位置作为疑似圆心位置；
[0010]根据每个疑似圆心位置所对应的直线数量的大小为对应疑似圆心位置分配权重，结合每个疑似圆心位置及其对应的权重确定纽扣的圆心位置；
[0011]分别计算所述圆心位置到所述二值图像中每个非零像素点的距离，得到不同距离对应的概率，基于所述概率确认所述半径。
[0012]进一步地，所述根据所述缺陷程度对衣服进行筛选的方法，包括：
[0013]设置缺陷阈值，当任意一个所述衣服锁扣的所述缺陷程度大于或等于所述缺陷阈值时，确认所述衣服锁扣有缺陷，则将该衣服筛选出来；当所有所述衣服锁扣的所述缺陷程
度都小于所述缺陷阈值时，则需要根据所述衣服锁扣对应扣眼和纽扣之间的距离进行进一步缺陷判断。
[0014]进一步地，所述根据所述衣服锁扣对应扣眼和纽扣之间的距离进行进一步缺陷判断的方法，包括：
[0015]由扣眼对应的直线和纽扣的圆心位置分别计算每个所述衣服锁扣对应扣眼和纽扣之间的距离，根据所述距离分别计算每两个所述衣服锁扣之间的距离差值；设置差值阈值，当所述距离差值小于所述差值阈值时，确认所述衣服没有缺陷；反之，当任意一个所述距离差值大于或等于所述差值阈值时，则确认所述衣服存在缺陷，则将该衣服筛选出来。
[0016]进一步地，所述纽扣的尺寸合格度的获取方法，包括：
[0017]计算所述纽扣面积与标准纽扣面积之间的比值，由所述比值得到所述纽扣的所述尺寸合格度，所述比值与所述尺寸合格度之间呈负相关关系。
[0018]进一步地，所述根据所述直线的长度与纽扣的长度计算衣服锁扣的匹配程度的方法，包括：
[0019]将纽扣的直径作为纽扣的所述第二长度，根据所述直线上对应像素点的总数量作为所述直线的所述第一长度；计算所述第一长度与所述第二长度之间的差值，由差值得到对应所述衣服锁扣的所述匹配程度。
[0020]进一步地，所述基于霍夫直线检测获取扣眼对应的直线的方法，包括：
[0021]对霍夫空间中每个高亮点对应累加的像素点的数量设置最大累加数量阈值和最小累加数量阈值，保留累加的像素点的数量大于最小累加数量阈值且小于最大累加数量阈值的高亮点，根据高亮点得到灰度图像中的目标直线；
[0022]在目标直线中筛选掉水平的目标直线得到疑似扣眼直线；获取每个所述疑似扣眼直线的中心点，根据中心点的横坐标计算当前疑似扣眼直线相对于其他疑似扣眼直线的偏离程度，由所述偏离程度确认每个扣眼对应的所述直线。
[0023]本专利技术实施例至少具有如下有益效果：通过检测衣服上扣眼和纽扣的数量匹配、扣眼和纽扣的匹配程度以及衣服上每对纽扣和扣眼之间的距离，确认衣服是否存在缺陷以筛选缺陷的衣服，通过图像处理能够提高检测效率，，避免了检测误差，保证了衣服成品的质量。
附图说明
[0024]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。
[0025]图1为本专利技术一个实施例提供的一种基于霍夫变换的服装锁眼钉扣缺陷检测方法的步骤流程图。
具体实施方式
[0026]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霍夫变换的服装锁眼钉扣缺陷检测方
法，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。
[0027]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。
[0028]下面结合附图具体的说明本专利技术所提供的一种基于霍夫变换的服装锁眼钉扣缺陷检测方法的具体方案。
[0029]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霍夫变换的服装锁眼钉扣缺陷检测方法的步骤流程图，该方法包括以下步骤：
[0030]步骤S001，采集衣服图像，衣服图像中包括扣眼和纽扣，根据衣服图像中的扣眼数量和纽扣数量对衣服锁扣进行初始缺陷匹配。
[0031]具体的，将生产好的衣服正面朝上，且衣扣不相扣，摆放整齐，利用相机采集衣服图像，且衣服图像包括衣服上的扣眼和纽扣，统计衣服图像中的扣眼数量和纽扣数量，通过对比其数量进行初始缺陷匹配：当扣眼数量等于纽扣数量时，初始认为衣服无缺陷，反之，认为衣服存在缺陷，且将该衣服筛选出来。
[0032]步骤S002，当初始缺陷匹配结果为无缺陷时，将衣服图像转换为灰度图像，对灰度图像采用霍夫梯度法以检测纽扣对应圆的半径，根据半径得到纽扣面积以确认纽扣的尺寸合格度；基于霍夫直线检测获取扣眼对应的直线，根据直线的第一长度与纽扣的第二长度计算衣服锁扣的匹配程度。
[0033]具体的，当初始缺陷匹配结果为无缺陷时，将衣服图像转换为灰度图像，对灰度图像中的纽扣做边缘检测，得到边缘检测的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于霍夫变换的服装锁眼钉扣缺陷检测方法，其特征在于，该方法包括：采集衣服图像，所述衣服图像中包括扣眼和纽扣，根据所述衣服图像中的扣眼数量和纽扣数量对衣服锁扣进行初始缺陷匹配；当所述初始缺陷匹配结果为无缺陷时，将所述衣服图像转换为灰度图像，对所述灰度图像采用霍夫梯度法以检测纽扣对应圆的半径，根据所述半径得到纽扣面积以确认纽扣的尺寸合格度；基于霍夫直线检测获取扣眼对应的直线，根据所述直线的第一长度与纽扣的第二长度计算衣服锁扣的匹配程度；结合所述尺寸合格度和所述匹配程度得到对应每个衣服锁扣的缺陷程度，根据所述缺陷程度对衣服进行筛选。2.如权利要求1所述的方法，其特征在于，所述对所述灰度图像采用霍夫梯度法以检测纽扣对应圆的半径的方法，包括：对所述灰度图像中的纽扣进行边缘检测，得到边缘检测的二值图像；计算出所述灰度图像中所有像素点的邻域梯度值以得到每个像素点的梯度方向，遍历所述二值图像中所有非零像素点，沿着其梯度方向画直线，将直线经过的所有累加器中的每个像素点的直线数量N进行统计，设置数量阈值，当大于数量阈值所对应的像素点位置作为疑似圆心位置；根据每个疑似圆心位置所对应的直线数量的大小为对应疑似圆心位置分配权重，结合每个疑似圆心位置及其对应的权重确定纽扣的圆心位置；分别计算所述圆心位置到所述二值图像中每个非零像素点的距离，得到不同距离对应的概率，基于所述概率确认所述半径。3.如权利要求2所述的方法，其特征在于，所述根据所述缺陷程度对衣服进行筛选的方法，包括：设置缺陷阈值，当任意一个所述衣服锁扣的所述缺陷程度大于或等于所述缺陷阈值时，确认所述衣服锁扣有缺陷，则将该衣服筛选出来；当所有所述衣服锁扣的所述缺陷程度都小于所述缺陷阈值时，则需要根据所述衣服锁...

【专利技术属性】
技术研发人员：陈士龙，姚杰，
申请(专利权)人：南通杰元纺织品有限公司，
类型：发明
国别省市：