本发明专利技术公开了一种基于图像理解的皮革疥癣缺陷精确分级方法及装置，涉及图像识别技术领域，科学地、智能地实现了疥癣皮革的疥癣缺陷分级，不仅大大提高了工作效率，而且保障了疥癣缺陷分级的准确度。方案要点为：对采集的待分级疥癣皮革表面图像进行预处理，通过计算正常皮革LAB图像中各像素LAB值和待分级疥癣LAB图像中疥癣LAB值，以及各像素与疥癣的色差值，获取色差图像，进行阈值量化，获取量化后色差图像，提取连通域并构建三角网，获取色差聚合联通图，分别获取嵌入向量和带权邻接矩阵，并将嵌入向量和带权邻接矩阵接入预设神经网络，实现待分级疥癣皮革的疥癣缺陷分级。本发明专利技术主要用于皮革疥癣缺陷分级中。明主要用于皮革疥癣缺陷分级中。明主要用于皮革疥癣缺陷分级中。
【技术实现步骤摘要】
基于图像理解的皮革疥癣缺陷精确分级方法及装置
[0001]本专利技术涉及图像识别
，尤其涉及一种基于图像理解的皮革疥癣缺陷精确分级方法及装置。
技术介绍
[0002]近年来, 皮革材料逐渐成为我们日常生活中必不可少的材料，例如皮鞋、皮包、家具、汽车坐垫等等。随着人们生活水平和消费能力地不断提高，人们对皮革制品的品质要求也越来越高，然而，皮革制品原材料在采集的时候，由于动物生长过程中可能存在划伤、疥癣、虫孔、疤痕等缺陷，致使皮革制品质量大大下降。因此，对皮革制品原材料缺陷的检测以及分级，成为了当前急需解决的问题。
[0003]现有技术采用人工肉眼检测及分级；检测工人通过肉眼以及以往经验对大量皮革制品原材料进行检测并分级。
[0004]上述现有技术，由于皮革制品市场的日益增大，检测工人需要对大量的皮革制品原材料进行检测，工作量极大，耗费大量人工且工作效率低；通过肉眼检测皮革原材料缺陷，因为皮革制品原材料一般存在多种不同类型的缺陷，所以检测结果准确率低下。
技术实现思路
[0005]本专利技术提供一种基于图像理解的皮革疥癣缺陷精确分级方法及装置，包括：对采集的待分级疥癣皮革表面图像进行预处理，通过计算正常皮革LAB图像中各像素LAB值和待分级疥癣LAB图像中疥癣LAB值，以及各像素与疥癣的色差值，获取色差图像，进行阈值量化，获取量化后色差图像，提取连通域并构建三角网，获取色差聚合联通图，分别获取嵌入向量和带权邻接矩阵，并将嵌入向量和带权邻接矩阵接入预设神经网络，实现待分级疥癣皮革的疥癣缺陷分级，相比与现有技术，本专利技术基于图像视觉科学地、智能地实现了疥癣皮革的疥癣缺陷分级，不仅大大提高了工作效率，而且保障了疥癣缺陷分级的准确度。
[0006]为达到上述目的，本专利技术采用如下技术方案：本专利技术提供一种基于图像理解的皮革疥癣缺陷精确分级方法，包括：获取待分级疥癣皮革表面图像；待分级疥癣皮革图像包含待分级疥癣图像和正常皮革图像。
[0007]对待分级疥癣皮革表面图像进行预处理，分别获取待分级疥癣LAB图像和正常皮革LAB图像。
[0008]分别计算正常皮革LAB图像中各像素的LAB值和待分级疥癣LAB图像中疥癣LAB值，并计算各像素与所述疥癣的色差值。
[0009]根据色差值，获取色差图像。
[0010]对色差图像进行阈值量化，获取量化后色差图像。
[0011]对量化后色差图像，提取连通域并构建三角网，获取色差聚合联通图；对色差聚合联通图，分别获取嵌入向量和带权邻接矩阵，利用Graph2vec法实现嵌
入向量的获取；其中，带权邻接矩阵中的数值为两点之间的边权，所述两点之前的边权通过色差聚合联通图计算。将嵌入向量和带权邻接矩阵接入预设神经网络，预设神经网络用于根据色差聚合联通图中嵌入向量和带权邻接矩阵，判断色差聚合联通图中一种或多种疥癣的缺陷等级，从而实现待分级疥癣皮革的疥癣缺陷分级。
[0012]优选的，预设神经网络，包括：预设神经网络由卷积神经网络、第一全连接网络和第二全连接网络组成。
[0013]优选的，将嵌入向量和带权邻接矩阵接入预设神经网络，预设神经网络用于根据色差聚合联通图中嵌入向量和带权邻接矩阵，判断色差聚合联通图中一种或多种疥癣的缺陷等级，包括：将嵌入向量输入所述第一全连接网络，获取第一特征向量。
[0014]将带权邻接矩阵输入卷积神经网络，获取特征图，并将特征图展平，进而获取第二特征向量。
[0015]将第一特征向量和第二特征向量进行融合，获取第三特征向量。
[0016]将第三特征向量输入第二全连接网络中，获取疥癣的缺陷等级概率。
[0017]根据疥癣的缺陷等级概率，经由Argmax操作，获取最大概率索引，确定当前疥癣的缺陷等级。
[0018]优选的，对待分级疥癣皮革表面图像进行预处理，分别获取待分级疥癣LAB图像和正常皮革LAB图像，包括：对待分级疥癣皮革表面图像进行灰度化处理，获取待分级疥癣皮革的灰度图像。
[0019]对灰度图像进行阈值化处理，获取二值化图像。
[0020]将二值化图像与标准图像相乘，获取标准疥癣图像。
[0021]对标准疥癣图像进行LAB空间转换，获取待分级疥癣皮革LAB图像，即分别获取待分级疥癣LAB图像和正常皮革LAB图像。
[0022]进一步的，在对色差聚合联通图，分别获取嵌入向量和带权邻接矩阵之后，还包括：对色差聚合联通图，计算每两个节点之间的边权，以便确定各连通域疥癣的缺陷严重程度。
[0023]优选的，所述两点之前的边权通过色差聚合联通图计算，包括：所述边权的计算公式为：式中，即为两个节点之间的距离，a,b分别为映射系数，n1表示一个节点的聚合区域的像素个数，n2表示另一个节点的聚合区域的像素个数，、分别表示一个节点的第i个色差值，另一个节点的第j个色差值，为色差项的映射系数。本专利技术还提供一种基于图像理解的皮革疥癣缺陷精确分级装置，包括：第一获取单元，用于获取待分级疥癣皮革表面图像；待分级疥癣皮革图像包含待
分级疥癣图像和正常皮革图像。
[0024]预处理单元，用于对待分级疥癣皮革表面图像进行预处理，分别获取待分级疥癣LAB图像和正常皮革LAB图像。
[0025]第一计算单元，用于分别计算正常皮革LAB图像中各像素的LAB值和待分级疥癣LAB图像中疥癣LAB值，并计算各像素与所述疥癣的色差值。
[0026]第二获取单元，用于根据色差值，获取色差图像。
[0027]量化单元，用于对色差图像进行阈值量化，获取量化后色差图像。
[0028]第三获取单元，用于对量化后色差图像，提取连通域并构建三角网，获取色差聚合联通图。
[0029]第四获取单元，用于对色差聚合联通图，分别获取嵌入向量和带权邻接矩阵。
[0030]分级单元，用于将嵌入向量和带权邻接矩阵接入预设神经网络，预设神经网络用于根据色差聚合联通图中所述嵌入向量和带权邻接矩阵，判断色差聚合联通图中一种或多种疥癣的缺陷等级，从而实现待分级疥癣皮革的疥癣缺陷分级。
[0031]优选的，分级单元，包括：第一输入模块，用于将嵌入向量输入所述第一全连接网络，获取第一特征向量。
[0032]第二输入模块，用于将带权邻接矩阵输入卷积神经网络，获取特征图，并将特征图展平，进而获取第二特征向量。
[0033]融合模块，用于将第一特征向量和第二特征向量进行融合，获取第三特征向量。
[0034]第三输入模块，用于将第三特征向量输入所述第二全连接网络中，获取疥癣的缺陷等级概率。
[0035]确定等级模块，用于根据疥癣的缺陷等级概率，经由Argmax操作，获取最大概率索引，确定当前疥癣的缺陷等级。
[0036]优选的，预处理单元，包括：灰度化模块，用于对待分级疥癣皮革表面图像进行灰度化处理，获取待分级疥癣皮革的灰度图像。
[0037]二值化模块，用于对灰度图像进行阈值化处理，获取二值化图像。...
【技术保护点】
【技术特征摘要】
1.基于图像理解的皮革疥癣缺陷精确分级方法，其特征在于，包括：获取待分级疥癣皮革表面图像；所述待分级疥癣皮革图像包含待分级疥癣图像和正常皮革图像；对所述待分级疥癣皮革表面图像进行预处理，分别获取待分级疥癣LAB图像和正常皮革LAB图像；分别计算所述正常皮革LAB图像中各像素的LAB值和所述待分级疥癣LAB图像中疥癣LAB值，并计算所述各像素与所述疥癣的色差值；根据所述色差值，获取色差图像；对所述色差图像进行阈值量化，获取量化后色差图像；对所述量化后色差图像，提取连通域并构建三角网，获取色差聚合联通图；对所述色差聚合联通图，分别获取嵌入向量和带权邻接矩阵，利用Graph2vec法实现嵌入向量的获取；其中，带权邻接矩阵中的数值为两点之间的边权，所述两点之前的边权通过色差聚合联通图计算；将所述嵌入向量和所述带权邻接矩阵接入预设神经网络，所述预设神经网络用于根据所述色差聚合联通图中所述嵌入向量和所述带权邻接矩阵，判断所述色差聚合联通图中一种或多种疥癣的缺陷等级，从而实现所述待分级疥癣皮革的疥癣缺陷分级。2.根据权利要求1所述的基于图像理解的皮革疥癣缺陷精确分级方法，其特征在于，所述预设神经网络，包括：所述预设神经网络由卷积神经网络、第一全连接网络和第二全连接网络组成。3.根据权利要求1所述的基于图像理解的皮革疥癣缺陷精确分级方法，其特征在于，将所述嵌入向量和所述带权邻接矩阵接入预设神经网络，所述预设神经网络用于根据所述色差聚合联通图中所述嵌入向量和所述带权邻接矩阵，判断所述色差聚合联通图中一种或多种疥癣的缺陷等级，包括：将所述嵌入向量输入第一全连接网络，获取第一特征向量；将所述带权邻接矩阵输入卷积神经网络，获取特征图，并将所述特征图展平，进而获取第二特征向量；将所述第一特征向量和所述第二特征向量进行融合，获取第三特征向量；将所述第三特征向量输入第二全连接网络中，获取疥癣的缺陷等级概率；根据所述疥癣的缺陷等级概率，经由Argmax操作，获取最大概率索引，确定当前疥癣的缺陷等级。4.根据权利要求1所述的基于图像理解的皮革疥癣缺陷精确分级方法，其特征在于，对所述待分级疥癣皮革表面图像进行预处理，分别获取待分级疥癣LAB图像和正常皮革LAB图像，包括：对所述待分级疥癣皮革表面图像进行灰度化处理，获取所述待分级疥癣皮革的灰度图像；对所述灰度图像进行阈值化处理，获取二值化图像；将所述二值化图像与标准图像相乘，获取标准疥癣图像；对所述标准疥癣图像进行LAB空间转换，获取所述待分级疥癣皮革LAB图像，即分别获取待分级疥癣LAB图像和正常皮革LAB图像。
5.根据权利要求1所述的基于图像理解的皮革疥癣缺陷精确分级方法，其特征在于，在对所述色差聚合联通图，分别获取嵌入向量和带权邻接矩阵之后，还包括：对所述色差聚合联通图，计算每两个节点之间的边权，以便确定各连通域疥癣的缺陷严重程度。6.根据权利要求1所述的基于图像理解的皮...
【专利技术属性】
技术研发人员：刘小利，
申请(专利权)人：纳琳科新材料南通有限公司，
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。