[发明专利]一种多层次模型布匹疵点检测方法和系统

权利要求书

1.一种多层次模型布匹疵点检测方法，其特征在于，包括以下步骤：

(1)预先训练预分类模型Model₁、卷积神经网络模型FabricNet和终分类模型Model₂；

(2)采集布匹图像，对其分割得到ROI图像，计算ROI图像的GLCM的特征值组成特征向量V₁；

(3)将V₁输入Model₁判断ROI图像是否为疵点图像，若为疵点图像则进行步骤(4)，若不是疵点图像则得到了ROI图像的判别结果，ROI图像为正常图像；

(4)将疵点图像输入FabricNet，得到卷积层Fc7层输出向量作为疵点图像的纹理特征向量V₂；

(5)将V₂输入Model₂，得出疵点图像的疵点分类判别结果；最终得到布匹图像的疵点检测结果。

2.如权利要求1所述的一种多层次模型布匹疵点检测方法，其特征在于，所述Model₁的具体训练方式为：

选取含有疵点的图像和不含疵点的图像组合为学习集L1，其中将L1按照第一预设比例分为训练集L1₁和验证集L1₂；计算L1₁中图像的GLCM的特征值组成特征向量V₁₁，将V₁₁输入第一分类器进行训练；计算L1₂中图像的GLCM的特征值组成特征向量V₁₂，将V₁₂输入第一分类器测试预分类的准确率，得到预分类准确率大于等于第二预设值的Model₁。

3.如权利要求2所述的一种多层次模型布匹疵点检测方法，其特征在于，所述FabricNet的具体训练方式为：

选取含有疵点的图像和不含疵点的图像组合为学习集L2，其中将L2按照第三预设比例分为训练集L2₁和验证集L2₂；对L2₁采用N折交叉验证法进行训练，用L2₂测试再分类的准确率，得到再分类准确率大于等于第四预设值的FabricNet。

4.如权利要求3所述的一种多层次模型布匹疵点检测方法，其特征在于，所述Model₂的具体训练方式为：

选取含有疵点的图像和不含疵点的图像组合为学习集L3，L3按照第五预设值分为训练集L3₁和验证集L3₂；将L3₁输入FabricNet得到特征向量V₂₁，将V₂₁输入第一分类器进行训练，计算L3₂中图像的GLCM的特征值组成特征向量V₂₂，将V₂₂输入第一分类器进行测试，得到终分类准确率大于等于第六预设值的终分类模型Model₂。

5.如权利要求2或4所述的一种多层次模型布匹疵点检测方法，其特征在于，所述第一分类器为支持向量机、Softmax分类器、贝叶斯分类器、决策树分类器和K近邻分类器中的任意一种。

6.如权利要求5所述的一种多层次模型布匹疵点检测方法，其特征在于，所述第一分类器为支持向量机。

7.如权利要求1所述的一种多层次模型布匹疵点检测方法，其特征在于，所述图像的GLCM的特征值是图像的4个方向的GLCM的4个特征值，4个特征值为能量、熵、对比度和逆差矩。