【技术实现步骤摘要】
一种基于图像数据处理的网状织物缺陷快速检测方法
[0001]本专利技术涉及网状织物检测的
,具体为一种基于图像数据处理的网状织物缺陷快速检测方法
。
技术介绍
[0002]在基于图像数据处理的网状织物领域中,网状织物的生产和质量控制需要高效而准确的方法来检测和评估其缺陷,其中包括破洞
、
断裂
、
错织
、
断纱等问题,它们可能导致织物的质量下降,甚至影响最终产品的性能和外观
。
因此,开发一种能够迅速识别和定量评估网状织物缺陷的方法对于生产过程的质量控制至关重要
。
[0003]传统的检测方法通常依赖于人工目测或简单的机械设备,此类方法虽然能够将大批量的待出厂的网状织物进行检查,但是人工的检查不仅会费时费力,而且可能存在主观性和误差,遗漏有缺陷的网状织物,导致出现误报或漏报问题,这将影响该类网状织物在市场上的大量推广
。
技术实现思路
[0004](一)解决的技术问题针对现有技术的不足,本专利技术提供了一种基于图像数据处理的网状织物缺陷快速检测方法,该方法采用图像采集设备和卷积神经网络技术,能够高效快速地检测出网状织物表面的缺陷,无需耗费大量人力和时间;通过预处理
、
去噪
、
平滑和几何校正等多重技术,有效改善了图像的质量和可分析性,有助于进一步准确地识别和提取缺陷;将图像帧均匀分割成若干个网状检测区域,使得每个区域都可以独立进行缺陷检测和评估,提高了检测的并行性和
【技术保护点】
【技术特征摘要】
1.
一种基于图像数据处理的网状织物缺陷快速检测方法,其特征在于:包括以下内容,预先利用图像采集设备拍摄获取待检测的网状织物连续电子图像,并从中采集与记录相关连续图像帧;将网状织物表面的连续图像帧进行预处理,去除噪声
、
平滑图像以及进行几何校正,并在连续图像帧中识别和提取有效的特征,并依据图像增强技术改善图像的质量生成图像数据集,利于后续分析;将待检测的图像帧均匀分割成若干个网状检测区域,在网状检测区域内设置检测点并对缺陷状态进行检测,确定网状织物表面缺陷位置,并以缺陷中心位置为标记,记作缺陷基准,以缺陷基准位置向四周扩散,并利用卷积神经网络学习技术进行检测获取待检测的网状织物表面缺陷生产面积的范围,并将其与标准的网状织物表面的标本面积进行对比生成缺陷比例值;依据缺陷比例值与预先设置的阈值
Q
进行对比分析,确定出若干个网状检测区域为缺陷区域和非缺陷区域;先后获取缺陷区域和非缺陷区域中网状织物缺陷的离心间距
、
角度差以及织物厚度,并将其通过深度计算学习,获取:失真密度指数,经过无量纲处理后,所述失真密度指数通过以下公式获得:,式中,表示为归一化函数,表示为缺陷区域的数量,表示为个缺陷区域中的失真因子之和;利用失真密度指数结果,将其与预设失真阈值
K
进行对比分析,以便快速检测出网状织物的缺陷等级报告
。2.
根据权利要求1所述的基于图像数据处理的网状织物缺陷快速检测方法,其特征在于:利用图像采集设备,拍摄获取待检测的网状织物连续电子图像,并连续记载相关图像帧,以确保将整体的网状织物进行完整记录,并识别图像中的各种网状织物以及网状织物的边缘
、
角点
、
颜色饱和度
、
颜色拼接边缘
、
形状以及纹理数据信息,依据图像中的数据信息和拍摄顺序对连续的图像帧按照对应的顺序进行依次排序,以便检测连续图像帧中若干个缺陷基准相邻的间距
。3.
根据权利要求2所述的基于图像数据处理的网状织物缺陷快速检测方法,其特征在于:利用小波去噪技术,通过小波变换来分解若干个图像帧中的数据信息,并在小波域中去除噪声分量,并通过反变换将若干个图像帧重构回原始域,并采用直方图均衡化来调整亮度,拉伸图像范围,调整图像的对比度;通过图像增强技术提取图像帧中的关键特征信息,识别和分析图像中的缺陷部位,并依据其特性来选择和调整图像帧中的不同区域之间的差异明显程度
。4.
根据权利要求3所述的基于图像数据处理的网状织物缺陷快速检测方法,其特征在于:利用卷积神经网络学习技术,进行算法模型训练和分析,以获取:缺陷比例值
、
偏移系数以及覆盖影响系数,并将偏移系数与覆盖影响系数相关联,获得失真因子
。5.
根据权利要求4所述的基于图像数据处理的网状织物缺陷快速检测方法,其特征在于:以网格的形式将网状织物表面的连续图像帧分割为若干个等面积的网状检测区域,并
在各个网状检测区域内均设置若干个检测点对网状织物的缺陷状态进行快速检测,以检索到网状织物表面的缺陷位置,以获得...
【专利技术属性】
技术研发人员:高风花,樊泽贵,宋顺达,宋文聪,
申请(专利权)人:山东滨州安惠绳网集团有限责任公司,
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。