面料质量检测方法、装置、设备及存储介质制造方法及图纸

本申请提供一种面料质量检测方法、装置、设备及存储介质。该方法包括：获取待检测面料的待检测图像；将待检测图像输入已训练面料检测模型，采用已训练面料检测模型在待检测图像上划分出预设数量的待检测图像块；采用已训练图像预测网络预测并输出各预测单元中第三待检测图像块的第三待检测预测图像块；已训练图像预测网络根据至少一张面料合格图像的合格图像块训练得到；采用已训练面料检测模型确定各第三待检测预测图像块与其对应的第三待检测图像块之间的第一相似率；根据各第一相似率确定待检测面料对应的质量检测结果。本申请的方法，能够提高面料的检测准确率。能够提高面料的检测准确率。能够提高面料的检测准确率。

【技术实现步骤摘要】
面料质量检测方法、装置、设备及存储介质


[0001]本申请涉及人工智能技术，尤其涉及一种面料质量检测方法、装置、设备及存储介质。

技术介绍

[0002]在皮革、布料等面料生产过程中，由于制造工艺或环境原因，一部分面料成品会存在瑕疵，需要对面料进行质检，检测面料成品上是否存在瑕疵，进而基于检测结果从面料成品挑选出无瑕疵的合格品。
[0003]现有技术中，采用基于深度学习方法训练的瑕疵检测模型对面料进行质检，确定面料成品是否存在瑕疵，瑕疵检测模型可以快速检测出面料上存在的各类瑕疵。但瑕疵检测模型要想准确地检测出面料上存在的各类瑕疵，不出现漏检，对于每一类瑕疵，都需要大量的瑕疵样本对模型进行训练。而对于某些在面料上出现频率低、不易采集到足够瑕疵样本的瑕疵类型，瑕疵检测模型就容易出现漏检，使得检测结果不够准确。并且，在瑕疵检测模型训练完成投入使用之后，一旦面料成品上出现了新的瑕疵类型，由于瑕疵检测模型训练时，不存在新类型的瑕疵样本，因此，瑕疵检测模型对于新类型的瑕疵也会出现漏检，使得检测结果不够准确。
[0004]综上，现有技术中的面料检测方法存在容易漏检，进而使得检测准确率较低的问题。

技术实现思路

[0005]本申请提供一种面料质量检测方法、装置、设备及存储介质，用以解决现有技术中检测准确率较低的问题。
[0006]根据本申请的第一方面，提供一种面料质量检测方法，包括：
[0007]获取待检测面料的待检测图像；
[0008]将所述待检测图像输入已训练面料检测模型，采用已训练面料检测模型在待检测图像上划分出预设数量的待检测图像块；
[0009]将各预测单元中的第一待检测图像块和第二待检测图像块输入已训练图像预测网络，采用已训练图像预测网络预测并输出各预测单元中第三待检测图像块的第三待检测预测图像块；预测单元中的第一、第二和第三待检测图像块在第一预设方向上依次相邻；所述已训练图像预测网络包括在已训练面料检测模型中，且根据至少一张面料合格图像的合格图像块训练得到；
[0010]采用已训练面料检测模型确定各第三待检测预测图像块与其对应的第三待检测图像块之间的第一相似率；
[0011]根据各所述第一相似率确定待检测面料对应的质量检测结果。
[0012]作为一种可选的实施方式，所述已训练图像预测网络还包括预设图像分块网络，预设图像分块网络的输出与所述已训练图像预测网络的输入连接；
[0013]所述采用已训练面料检测模型在待检测图像上划分出预设数量的待检测图像块，包括：
[0014]采用预设图像分块网络对待检测图像进行卷积操作，获得预设数量的待检测图像块。
[0015]作为一种可选的实施方式，所述将各预测单元中的第一待检测图像块和第二待检测图像块输入已训练图像预测网络之前，还包括：
[0016]获取至少一张面料合格图像的合格图像块；
[0017]将各预测单元中的第一合格图像块和第二合格图像块输入待训练图像预测网络，采用待训练图像预测网络预测并输出各预测单元中第三合格图像块的第三合格预测图像块；预测单元中的第一、第二和第三合格图像块在第一预设方向上依次相邻；
[0018]根据各第三合格预测图像块和各第三合格图像块对待训练图像预测网络进行训练，获得已训练图像预测网络。
[0019]作为一种可选的实施方式，所述已训练图像预测网络包括第一编码网络、第二编码网络和解码网络；第一编码网络和第二编码网络的结构和参数均相同；
[0020]所述将各预测单元中的第一待检测图像块和第二待检测图像块输入已训练图像预测网络，采用已训练图像预测网络预测并输出各预测单元中第三待检测图像块的第三待检测预测图像块，包括：
[0021]对于任意一个预测单元，执行以下操作：
[0022]将第一待检测图像块输入第一编码网络，将第二待检测图像块输入第二编码网络，采用第一编码网络提取第一待检测图像块的第一编码特征，并采用第二编码网络提取各第二待检测图像块的第二编码特征；
[0023]采用解码网络根据第一编码特征和第二编码特征生成第三待检测预测图像块。
[0024]作为一种可选的实施方式，所述第一编码网络和所述第二编码网络均包括线性嵌入单元和至少一个下采样单元，线性嵌入单元与各下采样单元依次连接；
[0025]所述解码网络包括多层感知机、线性映射单元和至少一个上采样单元，各上采样单元与线性映射单元依次连接，上采样单元的数量与任意一个编码网络中下采样单元的数量相等；
[0026]采用编码网络提取待检测图像块的编码特征，包括：
[0027]采用线性嵌入单元对输入的待检测图像块进行维度变换和特征变换，将获得的特征图输入下一单元和解码网络中的线性映射单元；
[0028]采用各位于编码网络中间的下采样单元对输入的特征图进行下采样和特征变换，并将获得的特征图输入下一单元和解码网络中对应的上采样单元；
[0029]采用位于编码网络末端的下采样单元对输入的特征图进行下采样和特征变换，并将获得的特征图输入位于解码网络首端的上采样单元。
[0030]作为一种可选的实施方式，所述采用解码网络根据第一编码特征和第二编码特征生成第三待检测预测图像块，包括：
[0031]采用位于解码网络首端的上采样单元对输入的特征图进行上采样和特征变换，并将获得的特征图输入下一单元和多层感知机；
[0032]采用位于解码网络中间的上采样单元对上一单元输入的特征图和编码网络中对
应下采样单元输入的特征图进行下采样和特征变换，并将获得的特征图输入下一单元和多层感知机；
[0033]采用线性映射单元对上一单元输入的特征图和线性嵌入单元输入的特征图进行维度变换和特征变换，并将输出的特征图输入多层感知机；
[0034]采用多层感知机根据输入的多个特征图生成待检测预测图像块。
[0035]作为一种可选的实施方式，所述已训练面料检测模型还包括预设图像对比网络，所述预设图像对比网络的输入与所述已训练图像预测网络的输出连接；
[0036]所述采用已训练面料检测模型确定各第三待检测预测图像块与其对应的第三待检测图像块之间的第一相似率，包括：
[0037]将各第三待检测图像块及其对应的第三待检测预测图像块输入预设图像对比网络，采用预设图像对比网络输出各第三待检测图像块与其对应的第三待检测预测图像块之间的第一相似率。
[0038]作为一种可选的实施方式，所述根据各所述第一相似率确定待检测面料对应的质量检测结果，包括：
[0039]若确定各所述第一相似率均大于预设相似率阈值，则确定待检测面料对应的质量检测结果为合格；
[0040]若确定存在任意一个所述第一相似率小于预设相似率阈值，则确定待检测面料对应的质量检测结果为不合格。
[0041]作为一种可选的实施方式，若确定待检测面料对应的质量检测结果为不合格，则还包括：
[0042]将各预测单元的第三待检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面料质量检测方法，其特征在于，包括：获取待检测面料的待检测图像；将所述待检测图像输入已训练面料检测模型，采用已训练面料检测模型在待检测图像上划分出预设数量的待检测图像块；将各预测单元中的第一待检测图像块和第二待检测图像块输入已训练图像预测网络，采用已训练图像预测网络预测并输出各预测单元中第三待检测图像块的第三待检测预测图像块；预测单元中的第一、第二和第三待检测图像块在第一预设方向上依次相邻；所述已训练图像预测网络包括在已训练面料检测模型中，且根据至少一张面料合格图像的合格图像块训练得到；采用已训练面料检测模型确定各第三待检测预测图像块与其对应的第三待检测图像块之间的第一相似率；根据各所述第一相似率确定待检测面料对应的质量检测结果。2.根据权利要求1所述的方法，其特征在于，所述已训练图像预测网络还包括预设图像分块网络，预设图像分块网络的输出与所述已训练图像预测网络的输入连接；所述采用已训练面料检测模型在待检测图像上划分出预设数量的待检测图像块，包括：采用预设图像分块网络对待检测图像进行卷积操作，获得预设数量的待检测图像块。3.根据权利要求1所述的方法，其特征在于，所述将各预测单元中的第一待检测图像块和第二待检测图像块输入已训练图像预测网络之前，还包括：获取至少一张面料合格图像的合格图像块；将各预测单元中的第一合格图像块和第二合格图像块输入待训练图像预测网络，采用待训练图像预测网络预测并输出各预测单元中第三合格图像块的第三合格预测图像块；预测单元中的第一、第二和第三合格图像块在第一预设方向上依次相邻；根据各第三合格预测图像块和各第三合格图像块对待训练图像预测网络进行训练，获得已训练图像预测网络。4.根据权利要求3所述的方法，其特征在于，所述已训练图像预测网络包括第一编码网络、第二编码网络和解码网络；第一编码网络和第二编码网络的结构和参数均相同；所述将各预测单元中的第一待检测图像块和第二待检测图像块输入已训练图像预测网络，采用已训练图像预测网络预测并输出各预测单元中第三待检测图像块的第三待检测预测图像块，包括：对于任意一个预测单元，执行以下操作：将第一待检测图像块输入第一编码网络，将第二待检测图像块输入第二编码网络，采用第一编码网络提取第一待检测图像块的第一编码特征，并采用第二编码网络提取各第二待检测图像块的第二编码特征；采用解码网络根据第一编码特征和第二编码特征生成第三待检测预测图像块。5.根据权利要求4所述的方法，其特征在于，所述第一编码网络和所述第二编码网络均包括线性嵌入单元和至少一个下采样单元，线性嵌入单元与各下采样单元依次连接；所述解码网络包括线性映射单元和至少一个上采样单元，各上采样单元与线性映射单元依次连接，上采样单元的数量与任意一个编码网络中下采样单元的数量相等；
采用编码网络提取待检测图像块的编码特征，包括：采用线性嵌入单元对输入的待检测图像块进行维度变换和特征变换，将获得的特征图输入下一单元和解码网络中的线性映射单元；采用各位于编码网络中间的下采样单元对输入的特征图进行下采样和特征变换，并将获得的特征图输入下一单元和解码网络中对应的上采样单元；采用位于编码网络末端的下采样单元对输入的特征图进行下采样和特征变换，并将获得的特征图输入位于解码网络首端的上采样单元。6.根据权利要求5所述的方法，其特征在于，所述解码网络还包括多层感知机，所述采用解码网络根据第一编码特征和第二编码特征生成第三待检测预测图像块，包括：采用位于解码网络首端的上采样单元对输入的特征图进行上采样和特征变换，并将获得的特征图输入下一单元和多层感知机；采用位于解码网络中间的上采样单元对上一单元输入的特征图和编码网络中对应下采样单元输入的特征图进行下采样和特征变换，并将获得的特征图输入下一单元和多层感知机...

【专利技术属性】
技术研发人员：黄建峰，林义闽，李晨阳，廉士国，
申请(专利权)人：联通数字科技有限公司，
类型：发明
国别省市：