一种基于神经网络的柔性产品人工智能检测方法技术

本发明专利技术涉及一种基于神经网络的柔性产品人工智能检测方法，包括：获取织布机编织区图像中每一个针槽的图像，建立针槽中不同编织情况的图像数据集，为每种类型设定标签；训练一种基于卷积神经网络的图像分类模型；实际生产过程中采集织布机实时工作，将图像自动分割成针槽图像送入到所述分类模型中识别，根据编织顺序和识别结果，生成由序号和识别结果组成的待检测模板；将待检测模板与标准模板比对，根绝对比结果的异同输出该纺织品是否存在缺陷；本发明专利技术在织布机工作地同时进行缺陷检测，实现了在线检测功能，降低了生产周期；使用待检测图像编码与标准模板编码比对的检测方式，解决了以往检测系统难以覆盖不同类型纺织品众多缺陷种类的问题。缺陷种类的问题。缺陷种类的问题。

【技术实现步骤摘要】
一种基于神经网络的柔性产品人工智能检测方法


[0001]本专利技术属于图像识别、深度学习领域，具体涉及一种基于神经网络的柔性产品人工智能检测方法。

技术介绍

[0002]在纺织品缺陷检测领域中，由于纺织品图案和纹路复杂，缺陷种类众多，所以对于纺织品缺陷的检测较为困难。近些年，随着计算机视觉识别技术的发展，出现了一些利用计算机视觉识别技术识别纺织品缺陷的方法，这些方法以整块纺织品为检测对象，因为纺织品图案和纹路过于繁杂，而且纺织品颜色丰富，导致纺织品缺陷检测的识别率和准确率较低；而且缺陷检测在纺织品编织之后，增加了生产周期和工作人员数量，提高了生产成本，因此，迫切的需要一种新的方案解决上述技术问题。

技术实现思路

[0003]本专利技术正是针对现有技术中存在的问题，提供一种基于神经网络的柔性产品人工智能检测方法，该技术方案在织布机工作地同时进行缺陷检测，实现了在线检测功能，降低了生产周期。
[0004]为了实现上述目的，本专利技术的技术方案如下，一种基于神经网络的柔性产品人工智能检测方法，所述方法包括以下步骤：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的柔性产品人工智能检测方法，其特征在于，所述方法包括以下步骤：步骤S1：拍摄织布机工作时编织区图像，分割出编织时单个针槽的图像，制作图像数据集，根据图像种类制作标签库；步骤S2：建立基于卷积神经网络的图像分类模型，并训练；步骤S3：采集横机设备生产的一件良品纺织品完整编织过程中编织区的图像；步骤S4：将采集到的图像进行预处理；步骤S5：在采集到整幅编织区图像中自动分割出单个针槽图像；步骤S6：将针槽图像送入到S1中训练好的图像分类模型中识别；步骤S7：根据针槽图像顺序和识别结果，将全部图像编码，制作成标准模板；步骤S8：实时获取生产过程中织布机编织区的图像；步骤S9：重复执行步骤S4、步骤S5、步骤S6；步骤S10：根据针槽图像顺序和识别结果，将全部图像编码，制作成待检测模板；步骤S11：将待检测模板与标准模板按对应顺序进行对比，返回检测结果。2.根据权利要求1所述的一种基于神经网络的柔性产品人工智能检测方法，其特征在于：步骤S1中针槽图像类型包括未钩针、钩针；其中未钩针表示该针槽内钩针没有勾线，即针槽图像内没有线出现；钩针表示该针槽内钩针状态为勾线，钩针包括不同勾线状态，包含勾线数量、勾线状态，根据所述针槽图像类型制作对应的标签库。3.根据权利要求1所述的一种基于神经网络的柔性产品人工智能检测方法，其特征在于：步骤S2中所述图像分类模型为轻量型卷积神经网络模型；并训练,具体如下：1)对输入图像归一化后送入神经网络2)通过一层卷积层对图像进行降维；3)堆叠7层倒残差模块来提取图像中的有效特征；4)最后连接一层卷积网络将输出映射到目标类别个数；5)通过Softmax层得到对应类别的概率；6)将结果最大值与真实类别比对。4.根据权利要求1所述的一种基于神经网络的柔性产品人工智能检测方法，其特征在于：步骤S3中所述的编织区在图像中成像位置固定，通过硬件精确的采集横机设备运行信号，生成触发信号来驱动相机拍照，...

【专利技术属性】
技术研发人员：王骏，
申请(专利权)人：苏州市科造智能科技有限公司，
类型：发明
国别省市：