一种布料瑕疵检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种布料瑕疵检测方法、装置、电子设备及存储介质。该方法包括：获取待检测布料图像；将所述待检测布料图像作为输入，基于预先确定的可变形卷积神经网络模型对所述待检测布料图像进行检测，得到与所述待检测布料图像相对应的热力图、尺寸和偏移量；其中，所述偏移量包括中心偏移量和角偏移量；根据所述热力图、尺寸和偏移量，确定所述待检测布料图像中的瑕疵区域和瑕疵类别。本技术方案，通过可变形卷积神经网络对待检测布料图像中的瑕疵区域和瑕疵类别进行检测，能够提高布料瑕疵的检测精度和检测效率，且能够避免瑕疵漏检的情况。的情况。的情况。

【技术实现步骤摘要】
一种布料瑕疵检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及瑕疵检测
，尤其涉及一种布料瑕疵检测方法、装置、电子设备及存储介质

技术介绍

[0002]在纺织类行业中，经常为了配合时尚潮流，上面的花样往往复杂且织法细腻，纺织类瑕疵会随着花样变的更复杂而多样，特别在编织花色上更在意稍许漏织或不规则的异色，所以如何对布料进行准确地瑕疵检测十分重要。
[0003]依据不同纺织纹理和瑕疵形状，在纺织类瑕疵检验算法中可以分成两大类：一个是传统算法， 另一个以学习为主的算法。
[0004]由于传统算法如对于背景藏有花纹的图像，想要精准的分离或避开其甘扰，往往效果很有限，且成效不明显。机器学习对于纺织类瑕疵检验中某几类瑕疵，效果不错，但是对于有方向性延展的轻微漏线，编织破损, 编织异色等瑕疵类，就会造成过漏检。特别是对于随机产生不同深浅度的编织像素所形成的瑕疵，经常会造成侦测不到，导致过漏检。

技术实现思路

[0005]本专利技术提供了一种布料瑕疵检测方法、装置、电子设备及存储介质，通过可变形卷积神经网络对待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种布料瑕疵检测方法，其特征在于，包括：获取待检测布料图像；将所述待检测布料图像作为输入，基于预先确定的可变形卷积神经网络模型对所述待检测布料图像进行检测，得到与所述待检测布料图像相对应的热力图、尺寸和偏移量；其中，所述偏移量包括中心偏移量和角偏移量；根据所述热力图、尺寸和偏移量，确定所述待检测布料图像中的瑕疵区域和瑕疵类别。2.根据权利要求1所述的方法，其特征在于，根据所述热力图、尺寸和偏移量，确定所述待检测布料图像中的瑕疵区域，包括：根据所述热力图，确定所述待检测布料图像中的候选区域和候选区域中心点；根据所述尺寸，确定尺寸损失；根据所述偏移量，确定中心偏移损失和角偏移损失；在所述候选区域叠加所述尺寸损失和/或角偏移损失，以及在所述候选区域中心点叠加所述中心偏移损失，确定所述待检测布料图像中的瑕疵区域。3.根据权利要求2所述的方法，其特征在于，根据所述热力图，确定所述待检测布料图像中的候选区域和候选区域中心点，包括：根据所述热力图的亮度值，确定所述待检测布料图像中的候选区域和候选区域中心点。4.根据权利要求1所述的方法，其特征在于，根据所述热力图，确定所述待检测布料图像中的瑕疵类别，包括：确定所述热力图相对应的输出通道；基于所述输出通道，从预先确定的通道和类别关联关系中进行查找，得到与所述输出通道相关联的瑕疵类别。5.根据权利要求1所述的方法，其特征在于，所述可变形卷积神经网络模型包括热力图输出端、尺寸输出端和偏移输出端；相应的，将所述待检测布料图像作为输入，基于预先确定的可变形卷积神经网络模型对所述待检测布料图像进行检测，得到与所述待检测布料图像相对应的热力图、尺寸和偏移量，包括：基于所述热力图输出端...

【专利技术属性】
技术研发人员：葛铭，沈井学，魏江，洪鼎岳，
申请(专利权)人：杭州百子尖科技股份有限公司，
类型：发明
国别省市：