一种基于面阵工业相机的布匹瑕疵自动检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114235810A(43)申请公布日2022.03.25(21)申请号202111309276.4(22)申请日2021.11.06(71)申请人东南数字经济发展研究院地址324000浙江省衢州市西区芹江东路288号1幢1601室(72)发明人陈轶王茂森张文牛少彰林伟崔浩亮(74)专利代理机构北京盛凡佳华专利代理事务所(普通合伙)11947代理人靳桂琳(51)Int.Cl.G01N21/88(2006.01)权利要求书2页说明书3页附图1页(54)发明名称一种基于面阵工业相机的布匹瑕疵自动检测方法(57)摘要一种基于高频面阵工业相机的布匹瑕疵检测方法，包括以下步骤：采集图像；分割图像，将采集到的图像分割成416*416大小的子图；图像预处理；检测布匹瑕疵目标；检测布匹瑕疵间相似度；设定虚拟线计算布匹瑕疵数量。本发明采用面阵工业相机作为验布机布匹瑕疵图像采集传感器，利用布匹瑕疵间相似度检测避免面阵工业相机在拍摄布匹运动时因为前后帧图像存在区域重叠而导致的瑕疵点存在的重复计数问题，将布匹瑕疵目标检测模型输出的结果图像中标记为瑕疵的区域输入孪生神经网络进行训练和推理，提升了布匹瑕疵间相似度检测的鲁棒性。CN114235810ACN114235810A权利要求书1/2页1.一种基于面阵工业相机的布匹瑕疵自动检测方法，其特征在于，包括以下步骤：步骤1：采集图像；步骤2：分割图像，将采集到的图像分割成416*416大小的子图；步骤3：图像预处理；步骤4：检测布匹瑕疵目标；步骤5：检测布匹瑕疵间相似度；步骤6：设定虚拟线计算布匹瑕疵数量。2.根据权利要求1所述的一种基于面阵工业相机的布匹瑕疵自动检测方法，其特征在于：所述图像预处理分为图像去噪和图像增强，所述图像去噪采用高斯滤波器去除图像噪声点，所述图像增强采用Retinex算法均衡图像亮度。3.根据权利要求1所述的一种基于面阵工业相机的布匹瑕疵自动检测方法，其特征在于：所述检测布匹瑕疵目标分为离线布匹瑕疵目标检测学习阶段和在线布匹瑕疵检测推理阶段，所述离线布匹瑕疵目标检测学习阶段将面阵工业相机拍摄拍摄的有瑕疵点布匹图像按照目标检测VOC数据格式进行瑕疵点标注，将标注数据以训练集形式输入到目标检测模型，以反向传播算法进行模型参数训练；所述在线布匹瑕疵检测推理阶段将图像预处理后的输出作为输入信号，使用目标检测网络对其进行瑕疵检测，通过设定的阈值输出瑕疵点的类型、尺寸信息，以及相对于图中的位置信息。4.根据权利要求3所述的一种基于面阵工业相机的布匹瑕疵自动检测方法，其特征在于：所述离线布匹瑕疵目标检测学习阶段中的目标检测模型包括YOLOv4、SSD或FasterRCNN。5.根据权利要求1所述的一种基于面阵工业相机的布匹瑕疵自动检测方法，其特征在于：所述检测布匹瑕疵间相似度包括离线布匹瑕疵间相似度学习阶段和在线布匹瑕疵间相似度检测推理阶段，所述离线布匹瑕疵间相似度学习阶段采用基于孪生神经网络的深度学习算法对对布匹瑕疵间相似度进行预测。6.根据权利要求5所述的一种基于面阵工业相机的布匹瑕疵自动检测方法，其特征在于：所述离线布匹瑕疵间相似度学习阶段具体包括两个步骤，具体为将离线布匹瑕疵目标检测学习阶段采集得到的布匹瑕疵数据集根据VOC数据格式中标注的位置信息和类别信息进行裁剪保存，以同一布匹瑕疵在不同时间段采集的图像认定为同一类的方式对裁剪后的图像进行分类整理；然后利用主干网络为VGG16的孪生神经网络模型对该数据集进行分类训练，采用反向传播算法进行模型参数训练。7.根据权利要求5所述的一种基于面阵工业相机的布匹瑕疵自动检测方法，其特征在于：所述在线布匹瑕疵间相似度检测推理阶段具体包括三个步骤，具体为根据在线布匹瑕疵检测推理阶段中布匹瑕疵检测模型输出结果中的位置信息对布匹图像进行瑕疵点裁剪，裁剪子图保存到内存中，记为img1；然后将下一帧采集到的布匹图像输入在线布匹瑕疵检测推理阶段中布匹瑕疵检测模型，根据检测结果对瑕疵点进行裁剪，裁剪子图保存到内存中，记为img2；最后将img1和img2输入训练完成的孪生神经网络中进行相似度检测，如果相似度值大于设定阈值，则表示img1和img2为相邻时间段的同一瑕疵。8.根据权利要求1所述的一种基于面阵工业相机的布匹瑕疵自动检测方法，其特征在于：所述设定虚拟线计算布匹瑕疵数量的具体方法包括，首先在拍摄布匹图像区域下半部2CN114235810A权利要求书2/2页分设定横向虚拟线；然后在检测布匹瑕疵间相似度步骤中检测出的同一布匹瑕疵点经过虚拟线，则将该瑕疵数量加1，并记录该瑕疵的类型、尺寸信息以及图像信息。3CN114235810A说明书1/3页一种基于面阵工业相机的布匹瑕疵自动检测方