【技术实现步骤摘要】
一种非平面织物的车缝线检测方法、系统、设备及介质
[0001]本专利技术涉及图像处理
,特别是涉及一种非平面织物的车缝线检测方法、系统、设备及介质。
技术介绍
[0002]纺织业作为传统国民产业,织物质量问题一直受到各生产厂商以及消费者的重视。在纺织物进行质检时,需要检测车缝线位置是否正确,以进行后续车缝线细节质量的检测,从而保证纺织物的整体质量。然而,在对车缝线进行检测时,由于纺织物的表面时常存在不平整、不规则或者其他难以观察识别的区域,导致目前难以准确检测出织物的车缝线位置。
技术实现思路
[0003]鉴于以上所述现有技术的缺点,本专利技术的目的在于提供一种非平面织物的车缝线检测方法、系统、设备及介质,本专利技术能够准确检测出织物的车缝线位置。
[0004]为实现上述目的及其他相关目的,本专利技术提供一种非平面织物的车缝线检测方法,包括:
[0005]获取非平面织物样品的每个表面的平面图像数据;
[0006]对每个所述平面图像数据进行仿射变换,以生成每个所述平面图像数据对应的变换图像数据;
[0007]对所有所述变换图像数据进行拼接处理,以生成拼接平面数据;
[0008]对所述拼接平面数据进行车缝线标注处理,以生成掩膜图像数据;
[0009]利用所述掩膜图像数据对预设的语义分割网络模型进行训练,以生成车缝线检测模型;
[0010]对待检测织物的采集图像数据进行仿射变换与拼接处理,以生成平面还原数据;
[0011]将所述平面还原数 ...
【技术保护点】
【技术特征摘要】
1.一种非平面织物的车缝线检测方法,其特征在于,包括:获取非平面织物样品的每个表面的平面图像数据;对每个所述平面图像数据进行仿射变换,以生成每个所述平面图像数据对应的变换图像数据;对所有所述变换图像数据进行拼接处理,以生成拼接平面数据;对所述拼接平面数据进行车缝线标注处理,以生成掩膜图像数据;利用所述掩膜图像数据对预设的语义分割网络模型进行训练,以生成车缝线检测模型;对待检测织物的采集图像数据进行仿射变换与拼接处理,以生成平面还原数据;将所述平面还原数据输入所述车缝线检测模型中,以输出车缝线区域图像数据。2.根据权利要求1所述的非平面织物的车缝线检测方法,其特征在于,所述对每个所述平面图像数据进行仿射变换,以生成每个所述平面图像数据对应的变换图像数据的步骤包括:基于预设的平面坐标点与仿射坐标点的映射关系建立每个所述平面图像数据的仿射变换模型,其中,所述仿射变换模型表示为其中,(α,β)为所述平面图像数据的初始坐标,(x,y)为所述初始坐标对应至仿射图像数据中的对应坐标,a1、a2、a3、a4、t
x
及t
y
为模型参数;将每个所述平面图像数据输入对应的所述仿射变换模型,以输出每个所述平面图像数据对应的仿射图像数据;对每个所述仿射图像数据进行灰度重采样处理,以生成每个所述仿射图像数据对应的变换图像数据。3.根据权利要求2所述的非平面织物的车缝线检测方法,其特征在于,所述对每个所述仿射图像数据进行灰度重采样处理,以生成每个所述仿射图像数据对应的变换图像数据的步骤包括:基于双线性内插法对每个所述仿射图像数据进行灰度重采样处理,以生成每个所述仿射图像数据中每个坐标点的灰度值数据;基于每个所述仿射图像数据中每个坐标点的灰度值数据,生成每个所述仿射图像数据对应的变换图像数据,其中,所述灰度值数据表示为f(x,y)=(1
‑
γ)(1
‑
θ)g(α0,β0)+γ(1
‑
θ)g(α0+1,β0)+(1
‑
γ)θg(α0,β0)+γθg(α0+1,β0+1),f(x,y)为所述仿射图像数据中(x,y)坐标点的灰度值数据,g(α,β)为所述平面图像数据中(α,β)坐标点的灰度值,α∈(α0,α0+1),β∈(β0,β0+1),γ=α
‑
α0,θ=β
‑
β0。4.根据权利要求1所述的非平面织物的车缝线检测方法,其特征在于,利用所述掩膜图像数据对预设的语义分割网络模型进行训练,以生成车缝线检测模型的步骤包括:将所述掩膜图像数据输入所述语义分割网络模型中,以输出车缝线预测数据,其中,所述语义分割网络模型包括车缝线特征提取网络、上下文特征提取网络及预测网络;构建所述车缝线预测数据与车缝线实际数据的损失函数;基于所述损失函数对所述语义分割网络模型进行训练,以生成车缝线检测模型。<...
【专利技术属性】
技术研发人员:汪建中,李鑫,赵士军,路强,朱立红,张良,郑涛,
申请(专利权)人:合肥联亚制衣有限公司,
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。