一种布匹疵点的检测及分类方法
专利汇可以提供一种布匹疵点的检测及分类方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种布匹疵点的检测及分类方法，包括：初始化上料，启动检测系统；获取布匹的单 帧 输入图像，按照基于多线程的布匹检测 算法 框架 对图像进行处理；判断输入图像中是否存在疵点，若存在，则对疵点进行分类，并将布匹疵点数据保存到本地 数据库 ，发送疵点 位置 数据至控制系统中，标记疵点；若不存在，则重新处理图像或打印检测报告；控制系统控制喷墨 打印机 对疵点位置进行标记；若检测未完成，则重新获取图像并对图像进行预处理，若检测完成，打印检测报告，人工查阅检测报告；所述方法提高了布匹疵点检测的效率和准确性，降低了布匹疵点检测对人工技术熟练程度的依赖性，降低了生产成本，提高了企业的经济效益。，下面是一种布匹疵点的检测及分类方法专利的具体信息内容。
1.一种布匹疵点的检测及分类方法，其特征在于，包括：
S001.初始化上料，启动检测系统；
S002.获取布匹的单帧输入图像，按照基于多线程的布匹检测算法框架对图像进行处理；
S003.判断输入图像中是否存在疵点，若存在，则对疵点进行分类，并将布匹疵点数据保存到本地数据库，发送疵点位置数据至控制系统中，执行步骤S004；若不存在，则执行步骤S005；
S004.控制系统控制喷墨打印机对疵点位置进行标记；
S005.若检测未完成，则重新执行步骤S002进入下一个循环操作，若检测完成，打印检测报告，人工查阅检测报告。
2.根据权利要求1所述的布匹疵点的检测及分类方法，其特征在于，所述布匹疵点的检测基于Gabor小波的特征提取方法，所述疵点的分类基于卷积神经网络。
3.根据权利要求1所述的布匹疵点的检测及分类方法，其特征在于，所述布匹疵点的检测中，获取布匹单帧图像后，依次执行以下操作：
图像分块，将采集到的布匹单帧图像分为若干子图像；
图像预处理，对各子图像的外部噪声采用5×5掩膜的均值滤波方法或中值滤波方法进行预处理；
特征提取，将上述预处理后的子图像通过多尺度多方向的Gabor滤波器组，进行特征提取；
特征降维，将上述经过Gabor滤波器组的能量特征图进行降维，将经过预处理得到的布匹子图像进行网格化，网格化粒度为8×8，取每个网格中各像素点经过Gabor变换得到的特征向量的均值作为该布匹子网格的特征向量；
数据融合，将上述Gabor滤波器组中各滤波器响应的局部能量估计图归一化后融合为单个图像；
图像二值化，通过OTSU大津法将疵点区域从融合后的图像背景中分离出来并二值化，进行疵点分割；
形态学处理，对分割后的图像使用形态学方法消除噪声点，对图像中的疵点区域进行膨胀或腐蚀操作使疵点区域表现更明显。
4.根据权利要求3所述的布匹疵点的检测及分类方法，其特征在于，所述图像分块包括将获取的4096×1024大小的布匹的单帧图像分解为256×256大小的子图像。
5.根据权利要求3所述的布匹疵点的检测及分类方法，其特征在于，所述Gabor滤波器组包括一个3尺度6方向的Gabor滤波器组。
6.根据权利要求2所述的布匹疵点的检测及分类方法，其特征在于，所述疵点的分类包括：
样本标记，收集若干幅含有各种疵点的布匹和若干无疵点布匹，通过所述布匹疵点的检测方法标记疵点类型，并分别按照疵点类型和无疵点布匹设置标签；
网络结构设计，设置11层的卷积神经网络，其中，第一层为输入层，第二、四、六层为卷积层，第三、五、七层为池化层，第八、九、十层为连接层，第十一层为输出层；
离线学习，将上述标记的布匹样本的图像输入卷积神经网络的输入层，对卷积神经网络模型进行训练，采用动量随机梯度下降算法，调整模型参数，采用交叉熵（Cross-Entropy）损失函数计算网络训练误差，学习率设为0.01，权重设置为0.0005，使用的batch-size为64，动量因子设置为0.9，dropout丢弃率设置为0.3；
在线检验，将采集的测试样品图像输入卷积神经网络的输入层中，通过成熟的卷积神经网络模型对测试样品的图像进行识别，输出结果。
7.根据权利要求6所述的布匹疵点的检测及分类方法，其特征在于，所述卷积神经网络中采用3×3的卷积核，步长设置为1，边缘扩充0个像素，池化层的采样窗口为2×2。
8.根据权利要求6所述的布匹疵点的检测及分类方法，其特征在于，所述卷积层使用ReLU函数激活，每个卷积层包括2个卷积单元，卷积单元之间使用dropout层衔接。
9.根据权利要求6所述的布匹疵点的检测及分类方法，其特征在于，所述网络结构设计中，采用softmax回归分类器作为整个卷积神经网络模型的输出。
一种布匹疵点的检测及分类方法
技术领域
背景技术
发明内容
S001.初始化上料，启动检测系统；
S002.获取布匹的单帧输入图像，按照基于多线程的布匹检测算法框架对图像进行处理；
S003.判断输入图像中是否存在疵点，若存在，则对疵点进行分类，并将布匹疵点数据保存到本地数据库，发送疵点位置数据至控制系统中，执行步骤S004；若不存在，则执行步骤S005；
S004.控制系统控制喷墨打印机对疵点位置进行标记；
S005.若检测未完成，则重新执行步骤S002进入下一个循环操作，若检测完成，打印检测报告，人工查阅检测报告。
图像预处理，对各子图像的外部噪声采用5×5掩膜的均值滤波方法或者中值滤波方法进行预处理；
特征提取，将上述预处理后的子图像通过多尺度多方向的Gabor滤波器组，进行特征提取；
特征降维，将上述经过Gabor滤波器组的能量特征图进行降维，将经过预处理得到的布匹子图像进行网格化，网格化粒度为8×8，取每个网格中各像素点经过Gabor变换得到的特征向量的均值作为该布匹子网格的特征向量；
数据融合，将上述Gabor滤波器组中各滤波器响应的局部能量估计图归一化后融合为单个图像；
图像二值化，通过OTSU大津法将疵点区域从融合后的图像背景中分离出来并二值化，进行疵点分割；
形态学处理，对分割后的图像使用形态学方法消除噪声点，对图像中的疵点区域进行膨胀或腐蚀操作使疵点区域表现更明显。
网络结构设计，设置11层的卷积神经网络，其中，第一层为输入层，第二、四、六层为卷积层，第三、五、七层为池化层，第八、九、十层为连接层，第十一层为输出层；
离线学习，将上述标记的布匹样本的图像输入卷积神经网络的输入层，对卷积神经网络模型进行训练，采用动量随机梯度下降算法，调整模型参数，采用交叉熵（Cross-Entropy）损失函数计算网络训练误差，学习率设为0.01，权重设置为0.0005，使用的batch-size为64，动量因子设置为0.9，dropout丢弃率设置为0.3；
在线检验，将采集的测试样品图像输入卷积神经网络的输入层中，通过成熟的卷积神经网络模型对测试样品的图像进行识别，输出结果。
附图说明
具体实施方式
S002.获取布匹的单帧输入图像，按照基于多线程的布匹检测算法框架对图像进行处理；
S003.判断输入图像中是否存在疵点，若存在，则对疵点进行分类，并将布匹疵点数据保存到本地数据库，发送疵点位置数据至控制系统中，执行步骤S004；若不存在，则执行步骤S005；
S004.控制系统控制喷墨打印机对疵点位置进行标记；
S005.若检测未完成，则重新执行步骤S002进入下一个循环操作，若检测完成，打印检测报告，人工查阅检测报告。若需要对检测结果进行验证的，则可以添加人工验布机对检测结果进行验证。
一种实施方式中，将相机采集的大小为4096×1024的图像，分解为256×256大小的子图像，减少了单个图像的数据量，大大减少了计算量。
对输入图像I（x,y）分别与18个Gabor滤波器的实部和虚部进行卷积运算，其计算方式如式（1）所示，得到滤波后的图像：
（1）
其中， 表示滤波后图像，p表示滤波器组的尺度数，q表示滤波器组的方向
数； 为Gabor滤波器的实部， 为滤波器的虚部，“*”表示卷积运算。
其中，E表示滤波后图像中各个像素的能量， 表示滤波后图像，
M×N表示图像尺寸。
18个滤波图像，每个滤波后的图像都包含了部分疵点的能量信息，将各个尺度和各个方向上的滤波图像融合为单个图像，是为了将各种疵点的所有信息整合，从而刻画出各种疵点的频率特征，增强各种疵点区域的能量，将其与正常纹理区分开来。
其中，p=3， 表示 Gabor滤波后的图像， 表示通过算术平均值融合后
的图像。p为滤波器组尺度索引，取值为0、1、2。
其中，Q=6，S（x，y）表示通过几何平均值融合后的图像，q表示滤波器组方向索引，取值为0、1、2、3、4。
一种实施方式中，在纺织厂中挑选20类缺陷样本的布匹，包括断经、缺纬、破洞、油污、飞针等布匹共15000幅，以及1000幅无疵点的正常布匹，通过上述检测方法获取布匹的256×256大小的图像，用标记软件将缺陷部位标记出来，缺陷图像统一分割为32×32大小，并设置标签，标签名为缺陷类型或正常布匹；另外选择上述21类样本（包括正常布匹、每类疵点样本100幅）共2100幅用于实验测试。
（5）
其中， 和 表示训练样本的模拟值和实际值。损失函数越小，代表模型训练
越好，结果越收敛。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 基于时域卷积网络与循环神经网络融合的手语视频翻译方法 | 2020-08-28 | 3 |
| 膜生物反应器-MBR膜污染智能预警方法 | 2021-05-18 | 4 |
| 一种计步方法、装置、设备和存储介质 | 2021-06-17 | 0 |
| 一种根据用户间社会信誉度选择传感用户的频谱共享方法 | 2020-09-13 | 2 |
| 基于多深度信念网络的磁共振前列腺3D图像分割方法 | 2022-04-22 | 1 |
| 一种用于公路隧道的智能图像型火灾报警系统 | 2021-09-04 | 2 |
| 一种油脂生产方法及油脂浸出器 | 2023-01-02 | 1 |
| 一种同步碎石封层车沥青碎石撒布智能控制方法及装置 | 2022-07-17 | 0 |
| 基于多核图割的SAR图像变化检测方法 | 2020-10-01 | 4 |
| 基于原始对偶算法的自适应加权TGV图像去模糊方法 | 2021-10-24 | 4 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
