基于深度学习的花色布瑕疵检测方法技术

本发明专利技术涉及图像处理技术领域，且公开了基于深度学习的花色布瑕疵检测系统，包括待检测图像模块和模板图像模板，其特征在于，所述带检测图像模板输出端连接有目标定位模块，所述模板图像模块输出端连接有模板图像获取模块，所述目标定位模块和模板图像获取模块两者输出端均连接有图像输入模块。本发明专利技术通过设计图像特征提取模块、图像特征融合模块和特征图像对比模块，可实现待检测花色布图像和成品花色布图像进行特征提取后一次对比的同时根据欲检测印花瑕疵种类，进而二次对比，提高对待检测花色布瑕疵的检测精确度，并通过不同像素图像的对比配合，进一步提高对待检测花色布上细小瑕疵检测精准度的优点。小瑕疵检测精准度的优点。小瑕疵检测精准度的优点。

【技术实现步骤摘要】
基于深度学习的花色布瑕疵检测方法


[0001]本专利技术涉及花色布图像处理
，具体为基于深度学习的花色布瑕疵检测方法。

技术介绍

[0002]目前国内大多数纺织企业采取人工进行布匹瑕疵检测的方式。但近几年来，部分纺织企业开始开发基于机器视觉的布匹瑕疵自动检测系统。国内纺织行业中多数布匹瑕疵检测系统存在检测精度低、普适性差的问题，同时受限于传统图像处理技术的局限，算法依赖于对人工设计的特征进行提取，只适用于在较为简单的素色布上进行瑕疵检测。国外已有较为成熟的自动检测设备,但造价较为昂贵，且只适合素色布的检测。但在工厂实际生产中，大多数布匹为具有复杂背景图案的花色布，受限于传统图像处理技术，现有布匹瑕疵检测系统难以取得很好的检测效果。

技术实现思路

[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了基于深度学习的花色布瑕疵检测方法，通过设计图像特征提取模块、图像特征融合模块和特征图像对比模块，可实现待检测花色布图像和成品花色布图像进行特征提取后一次对比的同时根据欲检测印花瑕疵种类，进而二本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度学习的花色布瑕疵检测系统，包括待检测图像模块和模板图像模板，其特征在于，所述带检测图像模板输出端连接有目标定位模块，所述模板图像模块输出端连接有模板图像获取模块，所述目标定位模块和模板图像获取模块两者输出端均连接有图像输入模块，所述图像输入模块输出端连接有特征提取模块，所述特征提取模块输出端连接有特征融合模块，所述特征融合模块输出端连接有特征图像对比模块。2.根据权利要求1所述的基于深度学习的花色布瑕疵检测系统，其特征在于：所述模板图像模块和模板图像获取模块用于获取模板花色布图像，其中模板花色布图像为无瑕疵成品。3.根据权利要求1所述的基于深度学习的花色布瑕疵检测系统，其特征在于：所述待检测图像模块和目标定位模块用于待检测花色布的定位及获取待检测花色布图像，其中待检测花色布即为未检测过的花色布。4.根据权利要求1所述的基于深度学习的花色布瑕疵检测系统，其特征在于：所述图像输入模块是将待检测花色布图像和模板花色布图像进行大小、像素和亮度的预处理，使得待检测花色布图像和模板花色布图像在后期特征提取保证两者图像的一致性，降低后期特征提取时的误差。5.根据权利要求1所述的基于深度学习的花色布瑕疵检测系统，其特征在于：所述特征提取模块是将预处理后的待检测花色布图像和模板花色布图像输入卷积神经网络模型，计算图像特征，分别对待检测图像、模板图像进行多种不同倍率的下采样特征计算，得到不同分辨率的特征结果，其中分辨率可为1/8、1/16、1/32和1/64倍率等不同倍率。6.根据权利要求1所述的基于深度学习的花色布瑕疵检测系统，其特征在于：所述特征融合模块是将不同分辨率的下待检测花色布图像和模板花色布图像特征进行调整至图像特征大小相同，同时将相同大小的待检测花色布图像特征及模板花色布图像特征进行融合，得到待检测花色布...

【专利技术属性】
技术研发人员：徐洋，解国升，余智祺，盛晓伟，
申请(专利权)人：东华大学，
类型：发明
国别省市：