【技术实现步骤摘要】
织带机器视觉在线质量检测方法
[0001]本专利技术涉及织带瑕疵质量检测
，特别涉及织带机器视觉在线质量检测方法。
技术介绍
[0002]织带是以各种纱线为原料制成狭幅状织物或管状织物，织带物品种繁多，广泛用于服饰、鞋材、箱包、工业、农业、军需、交通运输等各产业部门。目前织带用原料大多为锦纶、维纶、涤纶、丙纶、氨纶、粘胶等，形成机织、编结、针织三大类工艺技术，织物结构有平纹、斜纹、缎纹、提花、双层、多层、管状和联合组织。织带在生产过程其产量较大，因此对于织带的生产质量检测成为了较多企业所要着重思考的问题。传统的都是采用人工进行检测，检测效率低且人工耗费大，然而在近年来织带瑕疵检测的方法技术发展迅速，为不少企业解决了织带质量瑕疵检测困扰，其主要有以下几种检测方法：1.利用高速图像扫描算法，利用动态大小、阈值和变换的线性和非线性滤波器检测边缘和边界，进行进一步分析；2.进行模版匹配，从而找到瑕疵所在的位置；3.从局部区域提取图像描述规则。
[0003]但本申请专利技术人在实现本专利技术技术方案的过程中，发现上述技术...
【技术保护点】
【技术特征摘要】
1.织带机器视觉在线质量检测方法，其特征在于，该检测方法基于设置在涤纶织带机器一侧的视觉在线质量检测装置实现，其检测对象为：由织带机生产制造的织带；该检测方法利用加载于硬件开发板上的权重文件实现瑕疵判断，基于织带不同品类的权重文件取得方式如下：S01、创建数据集；分别采集有瑕疵和无瑕疵的织带图片，对其进行转换后得到有瑕疵数据集和无瑕疵数据集；S02、训练模型；利用无瑕疵数据集训练人工智能模型，并导出权重文件；S03、放置权重文件；将上述步骤中训练得到的权重文件放置于硬件开发板上；检测过程具体如下：通过检测装置的摄像设备对织带实时拍照采集，将采集到的织带图片进行转换后通过加载S03中的分类权重文件对其先进行分类，然后基于修改的STPM算法判断瑕疵程度是否超过阈值；在瑕疵程度超过阈值时，通过GPIO发送瑕疵超过阈值的电平信号并进行警报停机。2.如权利要求1所述织带机器视觉在线质量检测方法，其特征在于，在S01中具体包括如下子步骤：S011、图片尺寸处理以及预处理去除背景亮噪点，通过织带上的图案种类与织带是否是坏品分别进行分类成有瑕疵图片和无瑕疵图片；S012、转化图片为张量并进行归一化处理，利用PIL方案将图片转为张量并通过ImageNet数据库中的mean均值＝[0.485，0.456，0.406]和std标准差＝[0.229，0.224，0.225]对图片数据采用OpenCV函数Normalize进行归一化处理；S013、调整并统一图片亮度，将图片从RGB模式转为HSV模式后，通过PILImageEnhance将所有转换后的图片亮度调至相等。3.如权利要求1所述织带机器视觉在线质量检测方法，其特征在于，在S02中具体包括如下步骤：S021、修改模型输出为STPM的金字塔结构算法，在Torchvision标准ResNet18神经网络基础上，去除二维平均池化层、全连接层，第三层和第四层，然后将模型输出改为STPM的金字塔结构，将第一层的结果X1、以X1为输入的第二层结果X2输出，即分别为大瑕疵和小瑕疵数值；S022、声明教师模型和学生模型，基于S021中的STPM算法，教师模型为经ImageNet数据集预训练并已经得到权重，学生模型为待训练的S01中数据集；S023、训练学生模型以及导出教师模型和学生模型权重，对学生模型的无瑕疵数据集进行Online Learning在线学习并通过Step LR学习率调整使学生模型趋向于教师模型优化，导出和保存两者权重文件：学生权重文件(a)和教师权重文件(b)；S024、训练单类织带模型，将步骤S01中的每一个织带种类数据集分别执行S022和S023，并对应导出单类学生权重文件(a
n
)和单类教师权重文件(b
n
)，其中a
n
和b
n
为n种类织带图案；S025、训练分类准确度以及权重导出，通过MobileNetV2神经网络嵌入式设备对S01中的数据集进行epoch＝13训练，并在织带分类准确度大于98％后导出分类权重文...
【专利技术属性】
技术研发人员：邱天泽，邱天润，戚如明，戚晨扬，
申请(专利权)人：杭州力嘉索具有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。