【技术实现步骤摘要】
本申请涉及缺陷检测，尤其涉及一种织物瑕疵检测方法。
技术介绍
1、布匹瑕疵检测是纺织业中至关重要的环节，布匹存在近百种不同的瑕疵类型，而且即使是同一种瑕疵，其形状和大小也存在差异，并且由于布匹材质的差异，以及基于布匹为柔性材料，其缺陷难以分辨。因此，现有的缺陷检测方法难以对织物的缺陷进行精准的分辨，织物的瑕疵检测通常依赖于人工视觉检查，这不仅费时费力，而且容易出现人为错误，造成大量误检、漏检等情况。因此，如何对织物表面瑕疵进行高效、准确的检测成为了亟待解决的问题。
技术实现思路
1、本专利技术要解决的技术问题是：现有的缺陷检测方法难以对织物的缺陷进行精准的分辨，织物缺陷检测效率较低。
2、为此，本专利技术提供一种织物瑕疵检测方法。
3、本专利技术解决其技术问题所采用的技术方案是：
4、一种织物瑕疵检测方法，包括以下步骤，
5、s1，构建织物缺陷检测模型，所述织物缺陷检测模型包括多个编码器和与编码器对应的解码器，所述编码器与其对应的解码器之间通过跳跃连接层连接；
6、s2，采集待检测物表面的图像，并对图像进行预处理；
7、s3，利用织物缺陷检测模型对预处理后的图像进行缺陷特征提取；
8、其中，步骤s3中的缺陷特征提取的过程包括：
9、s3.1在编码器中采用cot特征提取模块与eca模块融合，对图像进行下采样，再通过解码器进行上采样；
10、s3.2在跳跃连接层内将图像的空间分支
11、进一步地，s3.2的具体步骤包括：
12、s3.2.1将空间分支中的垂直方向的权重和水平方向的权重赋予输入x（i，j），将被赋予垂直方向的权重和水平方向的权重后的坐标信息嵌入进行拼接，然后进行卷积、批正则化和非线性激活操作，获得特征y1；
13、s3.2.2通道分支的数量与空间分支中的维度数量对应，一个通道分支与空间分支中的垂直维度关联形成第三维度(w，c，h)，另一个通道分支与空间分支中的水平维度关联形成第三维度(c，w，h)，将第三维度进行通过平均池化和最大池化进行压缩、拼接得到(w，c，2)与(c，h，2)的特征图；
14、s3.2.3将通道分支与空间分支的两个维度关联后，进行卷积、激活获得特征y2、y3，融合特征y1、y2、y3获得融合定位特征y。
15、进一步地，在步骤s3.2.1中，将输入点x两个方向的坐标信息嵌入进行拼接，然后进行卷积、批正则化和非线性激活操作，，其中，zh、zw分别是采用两个池化核对每个通道沿着水平与垂直坐标进行编码后，高度为h、宽度w的第c个通道的输出；是的卷积核；是非线性激活函数； f表示表面瑕疵空间信息的中间特征映射，卷积核对将 f分解为和，使用对和进行变换：，，其中，表示sigmoid函数；conv1用于将两个分量的通道数恢复为输入x的通道数大小，用和表示垂直和水平两个方向的权重，输入点x的坐标（i，j）与权重和相乘得到输出y1，如下式所示： y1= x( i，j)× gh( i)× gw( j)。
16、进一步地，在步骤s3.2.2中，捕获通道维度c和空间维度w/h之间的跨通道交互，，，其中，cat为拼接操作，avg、max分别为平均池化操作和最大池化操作，per’与per’’为转置操作。
17、进一步地，在步骤s3.2.3中，通过卷积操作与bn层后经过sigmoid激活函数获得最终权重，与输入x进行点乘后得到输出y2、y3：，，最终输出融合定位特征为 y= y1+ y2+ y3。
18、进一步地，在步骤s3.1中cot特征提取模块与eca模块融合的具体步骤包括：
19、s3.1.1在cot特征提取模块中对输入x（i，j）经过卷积核为k的卷积提取上下文信息，将两种上下文表达融合得到cot特征提取模块的输出结果y；
20、s3.1.2将cot特征提取模块的输出结果y输入eca模块，在eca模块中，对cot特征提取模块的输出结果y分别经过全局平均池化和全局最大池化聚合全局特征的并联计算，将经过两种池化后得到的特征进行融合后得到最终的融合特征提取输出结果y’；
21、s3.1.3对融合特征提取输出结果y’进行大小为k的一维卷积、激活，然后得到用于表示每个通道的相关性和重要性的权重，将权重w与输入特征y相乘，完成每个通道特征的重新编码。
22、进一步地，，其中y’是全通道特征，，gap、max分别为全局平均池化操作和最大池化操作。
23、进一步地，步骤s3.1.3中，在相同维度的条件下进行大小为k的一维卷积，其中卷积核的大小为k代表局部跨通道交互的覆盖范围，决定了交互的覆盖范围，通过卷积后用sigmoid函数计算激活值，得到权重表示每个通道的相关性和重要性：，其中，代表大小为k的一维卷积，代表sigmoid激活函数。
24、进一步地，将权重w与输入特征y相乘，完成每个通道特征的重新编码，从而为重要特征分配较大的权重，对非任务信息分配较小的权重来抑制，最后，通过残差连接将原始输入特征进行融合：。
25、本专利技术的有益效果是，本专利技术在特征提取过程中采用cot特征提取模块与eca模块相结合，并在eca模块中采用平均池化和最大池化并联的方式进行特征提取，从而在提高运算效率的基础上，同时采用平均池化层和最大池化层提取所有通道的特征信息，聚合特征空间信息，从而能够最大化的聚焦瑕疵区域的显著特征，以提高缺陷识别的精度。
26、此外，本专利技术在对应的编解码器结构的跳跃连接部分嵌入坐标注意力模块提取织物瑕疵区域的位置信息，将空间分支与通道分支相结合，将空间分支中的二维特征，关联为三维特征，从而加强图像中提取到的特征点之间的相互关联，提高特征特区的精准度，并减小噪声干扰，从而在进行缺陷检测时，能够快速精准的对缺陷区域进行识别，并且对特征进行精准定位。
本文档来自技高网...【技术保护点】
1.一种织物瑕疵检测方法，其特征在于，包括以下步骤，
2.根据权利要求1所述的织物瑕疵检测方法，其特征在于，在步骤S3.2.1中，将输入点X两个方向的坐标信息嵌入进行拼接，然后进行卷积、批正则化和非线性激活操作，，其中，zh、zw分别是采用两个池化核对每个通道沿着水平与垂直坐标进行编码后，高度为h、宽度w的第c个通道的输出；是的卷积核；是非线性激活函数；f表示表面瑕疵空间信息的中间特征映射，卷积核对将f分解为和，使用对和进行变换：，，其中，表示sigmoid函数；conv1用于将两个分量的通道数恢复为输入X的通道数大小，用和表示垂直和水平两个方向的权重，输入点X的坐标（i，j）与权重和相乘得到输出Y1，如下式所示：Y1=X(i，j)×gh(i)×gw(j)。
3.根据权利要求2所述的织物瑕疵检测方法，其特征在于，在步骤S3.2.2中，捕获通道维度C和空间维度W/H之间的跨通道交互，，，其中，cat为拼接操作，avg、max分别为平均池化操作和最大池化操作，per’与per’’为转置操作。
4.根据权利要求2所述的织物瑕疵检测方法，其特征在于，在
5.根据权利要求1所述的织物瑕疵检测方法，其特征在于，在步骤S3.1中CoT特征提取模块与ECA模块融合的具体步骤包括：
6.根据权利要求5所述的织物瑕疵检测方法，其特征在于，，其中y’是全通道特征，，GAP、MAX分别为全局平均池化操作和最大池化操作。
7.根据权利要求5所述的织物瑕疵检测方法，其特征在于，步骤S3.1.3中，在相同维度的条件下进行大小为k的一维卷积，其中卷积核的大小为k代表局部跨通道交互的覆盖范围，决定了交互的覆盖范围，通过卷积后用Sigmoid函数计算激活值，得到权重表示每个通道的相关性和重要性：，其中，代表大小为k的一维卷积，代表Sigmoid激活函数。
8.根据权利要求7所述的织物瑕疵检测方法，其特征在于，将权重W与输入特征y相乘，完成每个通道特征的重新编码，从而为重要特征分配较大的权重，对非任务信息分配较小的权重来抑制，最后，通过残差连接将原始输入特征进行融合：。
...【技术特征摘要】
1.一种织物瑕疵检测方法，其特征在于，包括以下步骤，
2.根据权利要求1所述的织物瑕疵检测方法，其特征在于，在步骤s3.2.1中，将输入点x两个方向的坐标信息嵌入进行拼接，然后进行卷积、批正则化和非线性激活操作，，其中，zh、zw分别是采用两个池化核对每个通道沿着水平与垂直坐标进行编码后，高度为h、宽度w的第c个通道的输出；是的卷积核；是非线性激活函数；f表示表面瑕疵空间信息的中间特征映射，卷积核对将f分解为和，使用对和进行变换：，，其中，表示sigmoid函数；conv1用于将两个分量的通道数恢复为输入x的通道数大小，用和表示垂直和水平两个方向的权重，输入点x的坐标（i，j）与权重和相乘得到输出y1，如下式所示：y1=x(i，j)×gh(i)×gw(j)。
3.根据权利要求2所述的织物瑕疵检测方法，其特征在于，在步骤s3.2.2中，捕获通道维度c和空间维度w/h之间的跨通道交互，，，其中，cat为拼接操作，avg、max分别为平均池化操作和最大池化操作，per’与per’’为转置操作。
4.根据权利要求2所述的织物瑕疵检测方法，其特征在于，在步骤s3.2....
【专利技术属性】
技术研发人员：周玉龙，钟梅嘉，张久林，赵一多，王伟，杨光，胡巧生，
申请(专利权)人：中国机械总院集团江苏分院有限公司，
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。