[发明专利]一种瓷砖纹理检测方法、系统、装置及可读存储介质

说明书

技术领域

本发明涉及瓷砖领域，特别涉及一种瓷砖纹理检测方法、系统、装置及可读存储介质。

背景技术

现今社会中，瓷砖是建筑装修最重要的材料，昂贵、高品位的房屋建设往往会使用高级瓷砖。然而，21世纪开始，陶瓷行业普遍承受着成本上升、环保、反倾销等方面的压力，特别是行业产品的同质化，加剧了行业各品牌的竞争。在这种情况下，瓷砖企业越来越注重产品打造，更加注重智能化的生产，来吸引更多的商家进行交易。

现在越来越多的智能系统应用于瓷砖行业，例如自动铺贴线技术、机器人喷釉系统等，更好的企业更是从原料加工到釉线设备全部采用数码智能化，所以，瓷砖行业的生产智能化正在逐步成为生产主流，不再是从前的固定式生产规模。

在智能化生产过程中最不可缺少的一部分就是检测环节，检测环节的好坏极大程度的体现了一个智能生产系统的水平。以往的质量检测方式往往是人工处理方式，老员工的检测能力比新员工的检测能力强很多，在检测过程中存在很大的人为误差。现在部分企业逐渐转型智能化生产后，检测环节也转型为智能化的检测，包括检测瓷砖的变形、尺寸偏差、开裂、色差、渗花图案模糊、表面纹理等等。

现在瓷砖工厂对于瓷砖表面纹理的检测还处于人工检测过程，依靠有经验的员工对瓷砖进行纹理检测，因为纹理是否具有缺陷不具备特定的评判标准，只能依靠有经验的员工去一一检测。依靠工人肉眼的分辨，这种方法不仅低效而且在长时间工作下和吵杂的环境中工人会出现视觉疲劳，会出现误检或者漏检，将很大程度地会提高企业生产的次品率。

现在，还有基于机器视觉的通过模板匹配的方式来识别纹理，对两个同款瓷砖进行拍照后进行图像差处理来判断纹理好坏。但是，由于瓷砖纹理的多样性，通过模板匹配的方法进行检测的准确率不高，而且，对摄相装置和图像位置有特定要求，操作较为繁琐。上述传统的图像识别方法只提取图像的部分具有代表性的特征，比如SIFT和SURF，具有一定的局限性，某些过程仍然需要人工选取。

发明内容

有鉴于此，本发明的目的在于提供一种高效准确的瓷砖纹理检测方法、系统、装置及可读存储介质。其具体方案如下：

一种瓷砖纹理检测方法，包括：

获取第一训练样本和第二训练样本；其中，所述第一训练样本包括训练图像和对应的训练特征值，所述第二训练样本包括训练特征值；

利用所述第一训练样本，训练深度卷积网络模型，得到训练后深度卷积网络模型；

利用所述第二训练样本，构建SVM分类器；

获取待测图像；

将所述待测图像输入所述训练后深度卷积网络模型，得到对应的待测特征值；

通过所述SVM分类器对所述待测特征值进行分类判定。

优选的，所述获取第一训练样本的过程包括：

获取所述第一训练样本；其中，所述第一训练样本包括训练图像和对应的训练特征值；

对所述训练图像进行图像预处理；

相应的，所述获取测试图像的过程包括：

获取待测图像；

对所述待测图像进行所述图像预处理。

优选的，所述图像预处理包括：

调整图像大小，和/或图像灰度化，和/或图像去噪声。

优选的，所述利用所述第一训练样本，训练深度卷积网络模型，得到训练后深度卷积网络模型的过程，包括：

A:对所述训练特征值进行归一化，确定学习参数；

B:利用所述第一训练样本，计算所述深度卷积网络模型的隐含层矩阵和输出层矩阵；

C:计算隐含层权值修正量和输出层权值修正量；

D:根据所述隐含层权值修正量和所述输出层权值修正量，更新所述隐含层矩阵和所述输出层矩阵；

E:判断所述隐含层矩阵和所述输出层矩阵是否满足所述学习参数，如果是，则得到所述训练后深度卷积网络模型，如果否，则返回步骤B。

优选的，所述学习参数包括：

学习效率，和/或精度，和/或学习次数。

相应的，本发明还公开了一种瓷砖纹理检测系统，包括：

第一获取模块，用于获取第一训练样本和第二训练样本；其中，所述第一训练样本包括训练图像和对应的训练特征值，所述第二训练样本包括训练特征值；

模型学习模块，用于利用所述第一训练样本，训练深度卷积网络模型，得到训练后深度卷积网络模型；

分类学习模块，用于利用所述第二训练样本，构建SVM分类器；

第二获取模块，用于获取待测图像；