基于图像处理的纺织品质量检测方法技术

本发明专利技术涉及数据处理技术领域，具体涉及基于图像处理的纺织品质量检测方法。该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成纺织品的质量检测。该方法通过相机识别图像获取纺织品图像和对应的目标区域，对目标区域进行数据处理，得到多个高亮点类别，进一步对高亮点类别进行数据处理得到异常区域，并根据异常区域对纺织品进行评价。本发明专利技术实施例采用数据识别的方法，并通过相关的数据处理，获取了纺织品的异常区域，实现对纺织品的质量检测。纺织品的质量检测。纺织品的质量检测。

【技术实现步骤摘要】
基于图像处理的纺织品质量检测方法


[0001]本专利技术涉及数据处理
，具体涉及基于图像处理的纺织品质量检测方法。

技术介绍

[0002]随着人们对健康的不断重视，进而使得对纺织产品的质量需求越来越高。对纺织品质量的把控是纺织行业的关键步骤，当纺织产品出现质量异常时，不仅会影响纺织产品的美观，严重的还会影响人们的健康，当质量出现异常时，异常区域直接接触人体皮肤存在对皮肤造成磨损的情况。在纺织品生产过程中难以做到百分百无缺陷，故对纺织品的异常检测是纺织品生产过程中的重要一环。对于网孔织物图像来说，往往是首先沿着某个方向进行纺织，然后将另一个方向的纺织线与第一个方向的纺织线通过捆绑联系在一起，形成一个个的网孔，由于在捆绑过程中往往存在偏差和错位，导致形成纺织品缺陷。
[0003]目前，常见的对纺织品进行缺陷检测的方法为阈值分割检测得到缺陷，该方法对前景和背景的要求较高，必须在前景和背景差别较为明显的情况下检测效果较好，对检测环境的要求高，且在对前景区域进行计算时，通过网孔大小得到质量参数，计算过程复杂，计算量大。

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基于图像处理的纺织品质量检测方法，所采用的技术方案具体如下：采集纺织品图像，通过语义分割获得目标区域；提取所述目标区域的边缘，得到边缘二值图；将所述边缘二值图转换到霍夫空间中，构造高亮点在不同方向上的拓扑图结构；基于所述拓扑图结构，对所述高亮点进行聚类，得到多个高亮点类别；通过金字塔采样过程中不同高亮点类别的变化，从高亮点类别中筛选出异常类别；在所述纺织品图像上对异常类别进行定位，得到异常区域；根据所述异常区域对纺织品进行评价。
[0005]优选的，所述提取所述目标区域的边缘，得到边缘二值图，包括：利用canny边缘检测算法，提取所述目标区域的边缘，得到边缘二值图。
[0006]优选的，所述将所述边缘二值图转换到霍夫空间中，构造高亮点在不同方向上的拓扑图结构，包括：构建高亮点数量直方图；通过高亮点数量直方图得到不同横坐标对应的高亮点的数量信息，对所述高亮点数量直方图进行多阈值分割，得到不同的横坐标类别，计算不同横坐标类别中高亮点数量最大值，将归一化后的高亮点数量最大值作为所述横坐标类别的高亮点数量最大性；计算不同横坐标类别中高亮点的投票值均值最大值，将归一化后投票制均值最大值作为所述横坐标类别的高亮点值最大性；计算每个横坐标类别对应的高亮点数量最大性和投票值均值最大值的乘积，作为第一乘积；将霍夫空间中最大的第一乘积对应
的横坐标类别的类别横坐标均值在边缘二值图上对应的方向，作为第一方向；将霍夫空间中第二大的第一乘积对应的横坐标类别的类别横坐标均值在边缘二值图上对应的方向，作为第二方向；构建高亮点在所述第一方向和所述第二方向上的拓扑图结构。
[0007]优选的，所述基于所述拓扑图结构，对所述高亮点进行聚类，得到多个高亮点类别，包括：基于拓扑图结构，将相连接的高亮点的欧式距离作为边权值，利用拉普拉斯图聚类方法对高亮点进行聚类，得到多个高亮点类别。
[0008]优选的，所述通过金字塔采样过程中不同高亮点类别的变化，从高亮点类别中筛选出异常类别，包括：将所述第一方向和所述第二方向对应的两个横坐标类别中，高亮点数量最大值较大的横坐标类别作为第一类别；高亮点值最大性较大的横坐标类别作为第二类别；计算每次采样后高亮点对应的第二方向下拓扑图结构中不同高亮点类别与原始的边缘二值图对应的拓扑图结构中不同类别的匹配关系，所述匹配关系的计算过程为：计算得到每个高亮点类别中所有高亮点的纵坐标的均值，得到均值序列，对所述均值序列进行降序排列，根据降序序列中的顺序赋予每个高亮点类别标号；将每次采样前后标号相同的高亮点类别进行数量匹配，当标号相同的高亮点类别内的数量相同时，匹配度为一；当标号相同的高亮点类别内的数量不相同时，匹配度为零；当所述匹配度为零的高亮点类别的类别数量的占比小于预设异常数量阈值时，将所述匹配度为零的高亮点类别作为异常类别。
[0009]优选的，所述在所述纺织品图像上对异常类别进行定位，得到异常区域，包括：边缘二值图对应的霍夫空间中对每个异常类别进行直方图统计，得到每个横坐标对应的高亮点数量，计算得到当前采样对应的霍夫空间中每个类别的直方图，相减得到差值不为0的值对应的横坐标，作为异常高亮点对应横坐标，在边缘二值图对应的霍夫空间中计算得到异常类别中横坐标对应高亮点的纵坐标值的降序排序，计算降序排序后一个纵坐标值与前一个纵坐标值的比值，得到比值序列；获取每个采样层对应的比值序列，比较相邻采样层对应的两个比值序列，将两个比值序列中消失的比值对应的边缘二值图中的高亮点作为异常高亮点；将异常高亮点对应的区域作为所述纺织品图像对应的灰度图上的掩膜区域；对所述掩膜区域进行分割得到前景区域和背景区域，将所述前景区域作为异常区域。
[0010]优选的，所述根据所述异常区域对纺织品进行评价，包括：获取纺织品图像上异常区域内像素点数量的占比，所述占比大于预设异常占比阈值的纺织品图像对应的纺织品为质量异常的纺织品。
[0011]本专利技术实施例至少具有如下有益效果：本专利技术通过金字塔采样过程中对噪声的抑制作用，通过图结构的变化对异常区域进行识别，避免了原图上噪声对检测结果精度的影响。
[0012]通过霍夫直线对纺织品上的经纬线进行检测，然后通过金字塔采样过程中霍夫空间中高亮点图结构的变化情况对缺陷区域进行逐级定位，最终获得准确的稀密路缺陷的严重程度，受环境影响较小，计算量较小，结果也较为准确。
附图说明
[0013]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。
[0014]图1为本专利技术一个实施例所提供的基于图像处理的纺织品质量检测方法的方法流程图。
具体实施方式
[0015]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基于图像处理的纺织品质量检测方法，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。
[0016]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。
[0017]本专利技术实施例提供了基于图像处理的纺织品质量检测方法的具体实施方法，该方法适用于纺织品质量检测场景。该场景下利用相机采集纺织品的纺织品图像。为了解决通过阈值分割检测得到缺陷，对前景和背景的要求较高，必须在前景和背景差别较为明显情下的检测效果较好，对检测环境的要求高的问题。本专利技术通过霍夫直线对纺织品上的经纬线进行检测，然后通过金字塔采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像处理的纺织品质量检测方法，其特征在于，该方法包括以下步骤：采集纺织品图像，通过语义分割获得目标区域；提取所述目标区域的边缘，得到边缘二值图；将所述边缘二值图转换到霍夫空间中，构造高亮点在不同方向上的拓扑图结构；基于所述拓扑图结构，对所述高亮点进行聚类，得到多个高亮点类别；通过金字塔采样过程中不同高亮点类别的变化，从高亮点类别中筛选出异常类别；在所述纺织品图像上对异常类别进行定位，得到异常区域；根据所述异常区域对纺织品进行评价。2.根据权利要求1所述的基于图像处理的纺织品质量检测方法，其特征在于，所述提取所述目标区域的边缘，得到边缘二值图，包括：利用canny边缘检测算法，提取所述目标区域的边缘，得到边缘二值图。3.根据权利要求1所述的基于图像处理的纺织品质量检测方法，其特征在于，所述将所述边缘二值图转换到霍夫空间中，构造高亮点在不同方向上的拓扑图结构，包括：构建高亮点数量直方图；通过高亮点数量直方图得到不同横坐标对应的高亮点的数量信息，对所述高亮点数量直方图进行多阈值分割，得到不同的横坐标类别，计算不同横坐标类别中高亮点数量最大值，将归一化后的高亮点数量最大值作为所述横坐标类别的高亮点数量最大性；计算不同横坐标类别中高亮点的投票值均值最大值，将归一化后投票制均值最大值作为所述横坐标类别的高亮点值最大性；计算每个横坐标类别对应的高亮点数量最大性和投票值均值最大值的乘积，作为第一乘积；将霍夫空间中最大的第一乘积对应的横坐标类别的类别横坐标均值在边缘二值图上对应的方向，作为第一方向；将霍夫空间中第二大的第一乘积对应的横坐标类别的类别横坐标均值在边缘二值图上对应的方向，作为第二方向；构建高亮点在所述第一方向和所述第二方向上的拓扑图结构。4.根据权利要求1所述的基于图像处理的纺织品质量检测方法，其特征在于，所述基于所述拓扑图结构，对所述高亮点进行聚类，得到多个高亮点类别，包括：基于拓扑图结构，将相连接的高亮点的欧式距离作为边权值，利用拉普拉斯图聚类方法对高亮点进行聚类，得到多个高亮点类别。5.根据权利要求3所述的基于图像处理的纺织品质量检测方法，其特...

【专利技术属性】
技术研发人员：陈海锋，
申请(专利权)人：南通市昊逸阁纺织品有限公司，
类型：发明
国别省市：