基于自适应特征增强的氨纶包覆纱缺陷分割方法技术

本发明专利技术公开的基于自适应特征增强的氨纶包覆纱缺陷分割方法，包括以下步骤：步骤1、采集氨纶包覆纱图像，对图像进行预处理并生成标签，建立氨纶包覆纱缺陷图像数据集；步骤2、构建包含图像增强处理模块、多尺度交互增强模块、特征形变补偿模块和动态位置查询模块的网络模型；步骤3、根据标签对网络模型进行训练，根据训练结果优化网络模型中各模块的参数；步骤4、将图像输入网络模型中，验证跨材质泛化性；步骤5、将图像数据集输入至优化后的网络模型中，进行性能评估后输出评估结果。本发明专利技术的基于自适应特征增强的氨纶包覆纱缺陷分割方法，解决了传统纱线图像处理方法存在缺陷提取不完整、噪声干扰严重和误检率高的问题。

【技术实现步骤摘要】

本专利技术属于氨纶包覆纱缺陷分割，具体涉及基于自适应特征增强的氨纶包覆纱缺陷分割方法。

技术介绍

1、目前，纶包覆纱作为现代弹性纺织品的关键材料，广泛应用于运动服饰、医疗护具和智能可穿戴设备等领域。然而，在氨纶包覆纱的生产过程中，纱线缺陷（如毛羽、断丝、包覆不均等）的数量、形态和分布会严重影响产品质量及后续加工工艺。

2、随着高性能纤维和高技术产品的快速发展，纱线的均匀性、强力、耐磨性以及缺陷控制能力已成为影响纺织品质量的关键因素。因此，研究并应用智能检测技术对纱线缺陷进行精准识别和分类，不仅有助于提高生产环节的质量管理水平，也能进一步助力纺织行业的数字化转型。近年来，机器视觉与深度学习检测技术的迅猛发展，为氨纶检测提供了新的解决方案，通过高效的图像处理算法可以实现对氨纶包覆纱关键指标的精准检测。

3、氨纶包覆纱生产过程中，纱线缺陷的数量、形态和分布直接影响产品质量和后续加工工艺。传统图像处理方法在缺陷分割中存在提取不完整、噪声干扰严重和误检率高等问题。深度学习方法虽能提升分割精度，但依赖大量高质量标注数据，成本高且泛化能力受限。因本文档来自技高网...

【技术保护点】

1.基于自适应特征增强的氨纶包覆纱缺陷分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自适应特征增强的氨纶包覆纱缺陷分割方法，其特征在于，步骤1中所述氨纶包覆纱图像通过工业相机采集；所述预处理具体包括对氨纶包覆纱图像进行锐化、对比度增强、阈值分割、形态学处理，生成高质量训练标签；所述氨纶包覆纱缺陷图像数据集包含黑色氨纶包覆纱数据集、白色氨纶包覆纱数据集和棉纱的数据集。

3.根据权利要求2所述的基于自适应特征增强的氨纶包覆纱缺陷分割方法，其特征在于，步骤2中所述图像增强处理模块采用IEPM模块，所述图像增强处理模块通过图像锐化、自适应直方图均衡、高...

【技术特征摘要】

1.基于自适应特征增强的氨纶包覆纱缺陷分割方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于自适应特征增强的氨纶包覆纱缺陷分割方法，其特征在于，步骤1中所述氨纶包覆纱图像通过工业相机采集；所述预处理具体包括对氨纶包覆纱图像进行锐化、对比度增强、阈值分割、形态学处理，生成高质量训练标签；所述氨纶包覆纱缺陷图像数据集包含黑色氨纶包覆纱数据集、白色氨纶包覆纱数据集和棉纱的数据集。

3.根据权利要求2所述的基于自适应特征增强的氨纶包覆纱缺陷分割方法，其特征在于，步骤2中所述图像增强处理模块采用iepm模块，所述图像增强处理模块通过图像锐化、自适应直方图均衡、高通增强、二值分割及形态学闭运算的方式，提升图像对比度，抑制噪声，并将不同类型纱线的掩码格式进行统一。

4.根据权利要求2所述的基于自适应特征增强的氨纶包覆纱缺陷分割方法，其特征在于，步骤2中所述多尺度交互增强模块采用msiem模块，所述多尺度交互增强模块通过多个卷积层提取多尺度特征，利用自适应特征融合机制和双向互强化策略，实现大尺度全局轮廓信息与小尺度细节信息的交互融合，提升对细小缺陷和边界模糊缺陷的检测精度；

5...

【专利技术属性】
技术研发人员：张缓缓，彭彦珍，葛矅光，苏泽斌，姜萌，景军锋，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：