一种基于良品坯布的疵点合成方法、系统、设备、及介质技术方案

本发明专利技术涉及一种基于良品坯布的疵点合成方法、系统、设备、及介质，所述方法包括：定位良品坯布图像中的所有孔眼区域；根据预设结构元素对所有孔眼区域中的相邻孔眼区域进行膨胀连接，得到若干候选缝隙区域；对所有候选缝隙区域进行筛选，得到若干第一缝隙区域；设定每一个第一缝隙区域对应的目标轮廓索引值，根据所述目标轮廓索引值求取对应的第一缝隙区域的相邻轮廓索引值；根据所述目标轮廓索引值和对应的相邻轮廓索引值构建对应的第一缝隙区域的目标纱线轮廓点集；采用移动最小二乘法对所述目标纱线轮廓点集进行视觉变换，生成对应的疵点；本申请具有能够在无需在良品坯布上制造疵点的情况下生成大量疵点缺陷数据的优点。造疵点的情况下生成大量疵点缺陷数据的优点。造疵点的情况下生成大量疵点缺陷数据的优点。

【技术实现步骤摘要】
一种基于良品坯布的疵点合成方法、系统、设备、及介质


[0001]本专利技术涉及图像合成
，更具体地说，它涉及一种基于良品坯布的疵点合成方法、系统、设备、及介质。

技术介绍

[0002]深度神经网络因具备自动提取图像特征的能力，在图像识别、目标检测等计算机视觉领域逐步取代手工制作特征的传统视觉特征提取的方法，在工业质检领域的应用也越来越广泛。布匹缺陷检测是纺织工业领域一项重要任务，随着数字化产业升级这一国家战略的推进，利用机器设备自动化坯布瑕疵缺陷检测替代人工检测是业务场景中的一种需求，深度学习也成了工业视觉缺陷检测的主流的方法。
[0003]然而深度学习模型的有监督训练需要依赖大量的人工标注的数据，而坯布缺陷类别在实际生产场景中的形态众多，部分缺陷出现的频次很低，缺陷数据的收集存在较大的困难。此外，对于预训练模型，面对千变万化的布面纹理变化，如果都要求所有的新布种都要采集疵点数据，会耗费巨大的人力物力和财力，对于算法模型的产品化的阻碍是非常大的。因此，基于新布种良品图片，利用软件造疵点的技术成为落地过程中的一个重要环节。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于良品坯布的疵点合成方法，其特征在于，包括：定位良品坯布图像中的所有孔眼区域；根据预设结构元素对所有孔眼区域中的相邻孔眼区域进行膨胀连接，得到若干候选缝隙区域；对所有候选缝隙区域进行筛选，得到若干第一缝隙区域；设定每一个第一缝隙区域对应的目标轮廓索引值，根据所述目标轮廓索引值求取对应的第一缝隙区域的相邻轮廓索引值；根据所述目标轮廓索引值和对应的相邻轮廓索引值构建对应的第一缝隙区域的目标纱线轮廓点集；采用移动最小二乘法对所述目标纱线轮廓点集进行视觉变换，生成对应的疵点。2.根据权利要求1所述的方法，其特征在于，所述定位良品坯布图像中的所有孔眼区域，包括：对所述良品坯布图像进行灰度处理，得到对应的灰度图片；对所述灰度图片的像素值取反后进行自适应二值化处理，得到对应的孔眼区域。3.根据权利要求1所述的方法，其特征在于，所述根据预设结构元素对所有孔眼区域中的相邻孔眼区域进行膨胀连接，得到若干候选缝隙区域，包括：根据预设结构元素对所有孔眼区域中的相邻孔眼区域进行膨胀操作，使相邻的孔眼区域连接，生成对应的缝隙区域；根据预设结构元素对各个缝隙区域进行腐蚀操作，生成对应的候选缝隙区域。4.根据权利要求1所述的方法，其特征在于，所述对所有候选缝隙区域进行筛选，得到若干第一缝隙区域，包括：获取各个候选缝隙区域的稀疏外轮廓坐标点集；根据各个稀疏外轮廓坐标点集计算对应的候选缝隙区域的线段长度；将各个候选缝隙区域的线段长度与预设阈值进行比对，将各个候选缝隙区域中线段长度大于预设阈值的候选缝隙区域作为第一缝隙区域。5.根据权利要求4所述的方法，其特征在于，所述设定每一个第一缝隙区域对应的目标轮廓索引值，根据所述目标轮廓索引值求取对应的第一缝隙区域的相邻轮廓索引值，包括：获取每一个第一缝隙区域所对应的稀疏外轮廓坐标点集；根据每一个第一缝隙区域所对应的稀疏外轮廓坐标点集设定对应的轮廓索引值，并作为每一个第一缝隙区域所对应的目标轮廓索引值；获取每一个第一缝隙区域的两侧相邻的候选缝隙区域的稀疏外轮廓坐标点集，构建每一个第一缝隙区域对应的相邻轮廓索引值。6.根据权利要求5所述的方法，其特征在于，所述根据所述目标轮廓索引值和对应的相邻轮廓索引值构建对应的第一缝隙区域的目标纱线轮廓点集，包括...

【专利技术属性】
技术研发人员：朱锦祥，邹建法，
申请(专利权)人：上海致景信息科技有限公司，
类型：发明
国别省市：