【技术实现步骤摘要】
本申请涉及图像检测，具体涉及一种服装加工过程中服装质量智能检测方法。
技术介绍
1、服装行业作为我国传统支柱产业之一，对国民经济的发展起着重要的促进作用。在过去的几十年里，我国服装行业取得了巨大的发展，衬衫作为其中重要的组成部分占据着相当大的市场份额。由于衬衫门襟中的纽扣在加工过程中受到多种因素的影响，可能存在裂纹、磨损、纽扣偏离、纽扣距离不一致等质量问题，影响衬衫的销售，因此需要对加工过程中的衬衫进行质量检测。然而，现有的服装质量检测大多都是针对衬衫衣料的检测，并没有对衬衫的纽扣进行质量检测。少数的对纽扣进行质量检测的场景中，都是对纽扣的分布距离以及纽扣的圆形程度来进行检测的，并没有对纽扣的质量进行更加精细的检测，导致服装质量检测的准确性较低。
技术实现思路
1、为了解决上述技术问题，本专利技术提供一种服装加工过程中服装质量智能检测方法，以解决现有的问题。
2、本专利技术的一种服装加工过程中服装质量智能检测方法采用如下技术方案：
3、本专利技术提供了一种服装加工过程中服装质量智能检测方法，该方法包括以下步骤：
4、采集衬衫图像，利用神经网络对衬衫图像的门襟区域进行分割，获取门襟灰度图像；
5、利用canny边缘检测算法获取门襟二值图像，利用霍夫圆检测得到各纽扣及纽扣圆心，根据像素点坐标获取各纽扣灰度图像；利用边缘检测算法获取各纽扣二值图像，根据各纽扣灰度图像及各纽扣二值图像获取各纽扣内的各纹路连通域；对于各纽扣，采用mlbp算法获取
6、根据各纽扣的缺陷系数检测各纽扣的质量，完成对服装的质量检测。
7、进一步地，所述根据各纽扣灰度图像及各纽扣二值图像获取各纽扣内的各纹路连通域，包括：
8、对于各纽扣，提取纽扣二值图像中标记为纽扣纹路边缘的像素点及缺陷纹路边缘的像素点，记为第一待分析像素点，根据所述第一待分析像素点的坐标获取纽扣灰度图像中对应位置的第二待分析像素点；
9、将第二待分析像素点按照灰度值从大到小进行排序，将前预设数值个像素点作为初始种子点，在利用区域生长算法进行生长的过程中，计算生长像素点与相邻像素点的灰度值的差值绝对值，将所述差值绝对值作为生长像素点与相邻像素点的相似度，当所述相似度的归一化值大于预设相似度阈值时，停止生长，将区域生长完成后得到的各连通域作为纹路连通域。
10、进一步地，所述根据各纹路连通域内所有像素点的mlbp特征值及灰度值得到各纹路连通域的光泽程度，利用各纹路连通域的光泽程度得到纽扣的光泽评估系数，包括：
11、对于各纹路连通域，计算纹路连通域内所有像素点的灰度值均值，计算所有像素点的mlbp特征值的标准差，记为第一标准差，获取所述第一标准差与预设数值的和值，将所述灰度值均值与所述和值的比值作为纹路连通域的光泽程度；
12、对于各纽扣，计算纽扣内所有纹路连通域的所述光泽程度的标准差，记为第二标准差，将所述第二标准差作为纽扣的光泽评估系数。
13、进一步地，所述根据各聚类簇内各角点与纽扣圆心的欧式距离、各角点的灰度值、各角点的能量和对比度构建各聚类簇的角点特征，包括：
14、对于各聚类簇，计算聚类簇内各角点到纽扣圆心的欧式距离的标准差，计算聚类簇内所有角点的灰度值均值，计算所述标准差与所述灰度值均值的乘积，记为第一乘积，计算聚类簇内所有角点的灰度共生矩阵的能量均值和对比度均值，获取所述能量均值与所述对比度均值的乘积，记为第二乘积，将所述第一乘积与所述第二乘积的乘积记为第三乘积，将所述第三乘积与聚类簇内角点数量的比值作为聚类簇的角点特征。
15、进一步地，所述根据各纽扣内所有聚类簇的角点特征构建各纽扣的等距特征平滑因子，包括：
16、对于各纽扣，计算纽扣内各聚类簇的角点特征与相邻聚类簇的角点特征的比值，将所述比值作为各聚类簇与相邻聚类簇的特征差异系数，计算纽扣内所有聚类簇与相邻聚类簇的所述特征差异系数的均值，计算纽扣内各聚类簇与相邻聚类簇的特征差异系数与所述均值的差值绝对值，将纽扣内所有聚类簇的所述差值绝对值的均值作为纽扣的等距特征平滑因子。
17、进一步地，所述根据各纽扣圆心与直线的距离构建衬衫的纽扣位置对齐指数，包括：
18、对于门襟区域，计算各纽扣圆心横坐标与所述直线的斜率的乘积，计算所述乘积与所述直线的截距的和值，记为第一和值，计算各纽扣圆心纵坐标与各纽扣对应的所述第一和值的差值绝对值，计算所有纽扣的所述差值绝对值的和值，记为第二和值，将所述第二和值作为衬衫的纽扣位置对齐指数。
19、进一步地，所述根据各纽扣与相邻纽扣之间的等距特征平滑因子的差异构建各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数，包括：
20、对于门襟区域中的各纽扣，计算纽扣圆心与门襟区域内其余纽扣圆心的欧式距离，将与纽扣圆心的所述欧式距离最近的纽扣作为纽扣的相邻纽扣；
21、若纽扣的等距特征平滑因子大于等于相邻纽扣的等距特征平滑因子，计算纽扣的等距特征平滑因子与相邻纽扣的等距特征平滑因子的比值，记为第一比值，将所述第一比值作为所述纽扣与相邻纽扣的相邻纽扣表面特征一致性系数；
22、若纽扣的等距特征平滑因子小于相邻纽扣的等距特征平滑因子，计算相邻纽扣的等距特征平滑因子与纽扣的等距特征平滑因子的比值，记为第二比值，将所述第二比值作为纽扣与相邻纽扣的相邻纽扣表面特征一致性系数。
23、进一步地，所述根据各纽扣的位置、各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数及衬衫的纽扣位置对齐指数构建各纽扣与相邻纽扣的偏离系数，包括：
24、对于各纽扣，计算纽扣的圆心横坐标与直线的斜率的乘积，计算所述乘积与直线的截距的和值，获取纽扣的圆心纵坐标与纽扣的所述和值的差值绝对值，计算纽扣的所述差值绝对值与衬衫的纽扣位置对齐指数的比值，记为第一比值，计算所述第一比值与相邻纽扣表面特征一致性系数的乘积，将所述乘积作为纽本文档来自技高网...
【技术保护点】
1.一种服装加工过程中服装质量智能检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣灰度图像及各纽扣二值图像获取各纽扣内的各纹路连通域，包括：
3.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纹路连通域内所有像素点的MLBP特征值及灰度值得到各纹路连通域的光泽程度，利用各纹路连通域的光泽程度得到纽扣的光泽评估系数，包括：
4.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各聚类簇内各角点与纽扣圆心的欧式距离、各角点的灰度值、各角点的能量和对比度构建各聚类簇的角点特征，包括：
5.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣内所有聚类簇的角点特征构建各纽扣的等距特征平滑因子，包括：
6.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣圆心与直线的距离构建衬衫的纽扣位置对齐指数，包括：
7.
8.如权利要求7所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣的位置、各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数及衬衫的纽扣位置对齐指数构建各纽扣与相邻纽扣的偏离系数，包括：
9.如权利要求7所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣的光泽评估系数及各纽扣与相邻纽扣的偏离系数构建各纽扣的缺陷系数，包括：
10.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣的缺陷系数检测各纽扣的质量，完成对服装的质量检测，包括：
...【技术特征摘要】
1.一种服装加工过程中服装质量智能检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣灰度图像及各纽扣二值图像获取各纽扣内的各纹路连通域，包括：
3.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纹路连通域内所有像素点的mlbp特征值及灰度值得到各纹路连通域的光泽程度，利用各纹路连通域的光泽程度得到纽扣的光泽评估系数，包括：
4.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各聚类簇内各角点与纽扣圆心的欧式距离、各角点的灰度值、各角点的能量和对比度构建各聚类簇的角点特征，包括：
5.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣内所有聚类簇的角点特征构建各纽扣的等距特征平滑因子，包括：
6.如权利要求1所述的...
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。