System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及织物疵点检测,尤其涉及一种纺织品疵点缺陷检测方法及系统。
技术介绍
1、纺织品(织物),是由纺织纤维和纱线制成的、柔软而具有一定力学性质和厚度的制品。常规概念中的织物是一种柔性平面薄状物质,其大都由纱线织、编、结或纤维经成网固着而成,即纱线相互交叉、相互串套和簇绒,或纤维固结而成。
2、纺织品在生产过程中以及在进入市场之前必须经过各种各样的检验和测试,其中,疵点监测是最为主要的部分。如今,纺织业已经定义的织物疵点种类有70多种,由于疵点种类繁多、形状不一,所以织物疵点检测系统的检出率的提高和误报率的降低,是研究的重点。
3、目前,现有的织物疵点检测系统的学习模型中的疵点数据,通常是由技术人员确认后的数据进行上传,模型的学习进度较慢,成本较高;并且,织物的部分瑕疵是在品质的波动范围内,系统误报之后,若不对系统做出调整,会发生持续性的类似的误报,影响纺织品的正常生产。
4、因此,有必要提供一种纺织品疵点缺陷检测方法及系统,以解决上述技术问题。
技术实现思路
1、本专利技术克服了现有技术的不足,提供一种纺织品疵点缺陷检测方法及系统。
2、为达到上述目的,本专利技术采用的技术方案为:一种纺织品疵点缺陷检测方法,包括以下步骤:
3、s1、使用图像采集设备实时采集织物图像;
4、s2、将织物图像分解为若干局部区域,并对每个局部区域进行标记;
5、s3、使用训练好的模型在整个织物图像上滑动来检测疵点
6、s4、对织物的每个疵点分别进行处理,选出误报数据并标记,一定周期后将疵点数据和误报数据自动上传至模型的学习库,且该模型对疵点数据和误报数据进行学习;
7、s5、后续检测出的疵点在标记类别和位置前,首先与误报数据进行比对,相似度高于设定阀值时,取消该疵点标记。
8、本专利技术一个较佳实施例中,在所述s1中,图像采集设备为固定拍摄角度的相机,该相机的拍摄角度与织物表面垂直。
9、本专利技术一个较佳实施例中,所述相机拍摄出的织物图像具有足够的清晰度和分辨率,且能够覆盖到整个织物区域,确保能够采集到织物表面的所有区域。
10、本专利技术一个较佳实施例中,在所述s3中,该模型的训练方法包括以下步骤:
11、s31、提供若干疵点样本,并进行疵点的标注,该标注用以指示疵点的位置和类型;
12、s32、提供若干非疵点样本,并结合标注完成的疵点样本制作数据集;
13、s33、使用数据集对卷积神经网络进行训练。
14、本专利技术一个较佳实施例中,在所述s32中,疵点样本为带有疵点的织物表面图像,非疵点样本为没有疵点的织物表面图像,非疵点样本的数量大于疵点样本。
15、本专利技术一个较佳实施例中,在所述s32中,数据集的制作步骤包括:
16、s321、提取若干疵点样本上的疵点特征,该疵点特征为围绕疵点外围轮廓的局部图像;
17、s322、将若干疵点特征随机与若干非疵点样本结合,得到大量新疵点样本,疵点特征在非疵点样本上的位置随机;
18、s323、汇总疵点样本、非疵点样本和新疵点样本,得到数据集。
19、本专利技术一个较佳实施例中,在所述s4中,疵点数据为疵点的类别和疵点局部图像。
20、本专利技术一个较佳实施例中,模型使用误报数据作为非疵点样本进行学习。
21、基于上述所述的一种纺织品疵点缺陷检测系统,包括服务器和设置于织物上部的相机;
22、所述服务器上搭载有分割模块、数据传输模块、分割模块、识别模块、标识模块、学习库和提示装置;所述相机用于采集织物图像;
23、所述数据传输模块,用于将织物图像传输到所述服务器内;
24、所述分割模块,用于将织物图像分割为等大的若干局部图像,并对每个局部图像进行标记;
25、所述识别模块,搭载训练好的模型,用于识别局部图像上的疵点特征;
26、所述标识模块,用于标识疵点特征的类别和位置;
27、所述学习库,用于装载疵点数据和误报数据;
28、所述提示装置,将检测出的疵点类别和位置信息通过显示屏提示技术人员。
29、本专利技术一个较佳实施例中,所述学习库内设置有临时存放模块和周期存储模块;所述临时存放模块与所述识别模块连接,所述临时存放模块用于存放所述识别模块识别出的疵点数据和被标记的误报数据,所述周期存储模块设定存储周期,用于将存放在临时存放模块内的疵点数据和误报数据存进所述学习库内。
30、本专利技术解决了
技术介绍
中存在的缺陷,本专利技术具备以下有益效果:
31、(1)本专利技术提供了一种纺织品疵点缺陷检测方法,深度学习模型检测疵点,对疵点数据的处理和周期性上传,且该模型对疵点数据进行学习,结合与误报数据的相似度比对,相对于现有技术,本专利技术提高了疵点检测的准确性、实时性和效率,并加快了模型学习,降低学习数据的制作成本。
32、(2)本专利技术通过将疵点分别进行处理,确定为疵点的部分进行剔除或修复处理,系统误报的部分,对其标识为误报数据,并周期性的将此部分疵点数据和误报数据上传至模型,进行分别学习,加快模型的学习,降低学习数据的制作成本。
33、(3)本专利技术后续检测出疵点,首先与误报数据进行比对,相似度高于设定阀值时,取消该疵点标记,能够减少持续性、相同类型的误报发生,降低检测系统的误报率。
34、(4)本专利技术通过提取少量疵点样本上的疵点特征,与非疵点样本随机结合,能够自动生成大量的不同的疵点样本,使用生成的疵点样本来训练模型,只需要少量的疵点样本就可以学习疵点特征,降低了数据集的制作成本。
本文档来自技高网...【技术保护点】
1.一种纺织品疵点缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种纺织品疵点缺陷检测方法,其特征在于:在所述S1中,图像采集设备为固定拍摄角度的相机,该相机的拍摄角度与织物表面垂直。
3.根据权利要求2所述的一种纺织品疵点缺陷检测方法,其特征在于:所述相机拍摄出的织物图像具有足够的清晰度和分辨率,且能够覆盖到整个织物区域,确保能够采集到织物表面的所有区域。
4.根据权利要求1所述的一种纺织品疵点缺陷检测方法,其特征在于:在所述S3中,该模型的训练方法包括以下步骤:
5.根据权利要求4所述的一种纺织品疵点缺陷检测方法,其特征在于:在所述S32中,疵点样本为带有疵点的织物表面图像,非疵点样本为没有疵点的织物表面图像,非疵点样本的数量大于疵点样本。
6.根据权利要求4所述的一种纺织品疵点缺陷检测方法,其特征在于:在所述S32中,数据集的制作步骤包括:
7.根据权利要求1所述的一种纺织品疵点缺陷检测方法,其特征在于:在所述S4中,疵点数据为疵点的类别和疵点局部图像。
8.根据权利要求
9.基于权利要求1-8中任一项所述的一种纺织品疵点缺陷检测系统,其特征在于:包括服务器和外部设置的相机;
10.根据权利要求9所述的一种纺织品疵点缺陷检测系统,其特征在于:所述学习库内设置有临时存放模块和周期存储模块;所述临时存放模块与所述识别模块连接,所述临时存放模块用于存放所述识别模块识别出的疵点数据和被标记的误报数据,所述周期存储模块设定存储周期,用于将存放在临时存放模块内的疵点数据和误报数据存进所述学习库内。
...【技术特征摘要】
1.一种纺织品疵点缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种纺织品疵点缺陷检测方法,其特征在于:在所述s1中,图像采集设备为固定拍摄角度的相机,该相机的拍摄角度与织物表面垂直。
3.根据权利要求2所述的一种纺织品疵点缺陷检测方法,其特征在于:所述相机拍摄出的织物图像具有足够的清晰度和分辨率,且能够覆盖到整个织物区域,确保能够采集到织物表面的所有区域。
4.根据权利要求1所述的一种纺织品疵点缺陷检测方法,其特征在于:在所述s3中,该模型的训练方法包括以下步骤:
5.根据权利要求4所述的一种纺织品疵点缺陷检测方法,其特征在于:在所述s32中,疵点样本为带有疵点的织物表面图像,非疵点样本为没有疵点的织物表面图像,非疵点样本的数量大于疵点样本。
6.根据权利要求4所述的一种纺...
【专利技术属性】
技术研发人员:张红霞,张艳红,马法红,张华明,李想,刘凡,杨明超,高延忠,张海忠,成旺健,刘军,
申请(专利权)人:魏桥纺织股份有限公司,
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。