[发明专利]一种多层次模型布匹疵点检测方法和系统

说明书

本发明公开了一种多层次模型布匹疵点检测方法和系统，其中方法的实现包括：建立预分类模型Model₁、卷积神经网络模型FabricNet和终分类模型Model₂；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；将V₁输入Model₁判断ROI图像是否为疵点图像，若为疵点图像则将疵点图像输入FabricNet，得到纹理特征向量V₂；若不是疵点图像则得到了ROI图像的判别结果；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。本发明提高了布匹疵点检测的准确率和实时性，满足工业生产需求。

技术领域

本发明属于模式识别技术领域，具体涉及一种多层次模型布匹疵点检测方法和系统。

背景技术

在纺织工业生产中，纺织品的检测是一道重要的工序，它决定了产品的质量，因此，疵点检测是生产工序中绝不可忽视的环节。然而，传统的的布匹疵点检测仍然是通过人工视觉来评定，人工长时间的检验不仅会影响产品质量的客观评定，还受限于检验人员的熟练程度。随着布匹的生产速度的提高以及对产品质量要求的提高，人工检验存在很大的弊端，包括检测速度慢、检测率低和稳定性差等，这使得人工检验越来越不适应工业生产的需求，因此，迫切需求生产过程中实现自动、精准、快速检测疵点的方法。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种多层次模型布匹疵点检测方法和系统，其目的在于解决布匹生产过程中人工检验疵点效率低，而现有基于机器视觉的检测方法准确率低、时效性低等问题。

为实现上述目的，按照本发明的一个方面，提供了一种多层次模型布匹疵点检测方法，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。

进一步的，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。

进一步的，FabricNet的具体训练方式为：