[发明专利]织物检测方法及装置、计算机设备和计算机可读介质

说明书

本申请公开了基于属性/疵点分类判别的织物检测方法及装置、计算机设备及计算机可读介质，该方法包括：当要检测指定图像所包含的织物表面是否存在疵点时，获取所述指定图像候选区域中的织物属性特征；根据所述候选区域和所述织物属性特征，利用属性/疵点分类判别网络检测所述候选区域中是否存在疵点有效区域。该方法、装置、计算机设备和计算机可读介质利用属性/疵点分类判别网络对织物图像中的候选区域进行分类判别，检测出其中属于疵点的疵点有效区域，排除属于织物属性的织物属性无效区域，从而能提高织物疵点检测的准确度。

技术领域

本申请涉及织物检测技术领域，特别涉及基于属性/疵点分类判别的织物检测方法及装置、计算机设备及计算机可读介质。

背景技术

在机织布、针织布、非织造布等织物的生产线上，需要检测所生产出来的织物是否存在疵点，例如，织物上是否有污渍、破洞、起毛等等。

目前的检测方法主要是由检测人员站在验布设备前通过肉眼检测的方式发现织物疵点并对疵点进行标记或记录。在织物的产量很大的情况下，由检测人员来检测将会很费人力，而且，检测人员在工作一段时间之后容易疲劳，从而存在发生误检的可能性。因此，由检测人员来检测的总体缺陷检测效率不高、并且检测准确度不够稳定。

相关技术中，利用计算机进行验布主要是通过机器视觉和疵点分类方法来实现，也即，通过摄像技术获取待检测的布料图像，通过预先设置多个类别，利用检测模型根据该图像的特征确定该图像分别属于该多个类别中的每个类别的概率，并将概率最大的类别确定为该图像所述的类别，以得到该布料图像所述的疵点分类。但是，目前利用计算机进行验布的方法都没有将织物本身的属性特征(例如印花、纹理等)加以考虑，往往会将织物的属性特征误检为疵点，导致检测的准确率非常低。

发明内容

鉴于以上问题，本发明的实施例提供一种基于属性/疵点分类判别的织物检测方法及装置、计算机设备及计算机可读介质，其能解决上述背景技术部分提到的技术问题。

按照本发明的实施例的基于属性/疵点分类判别的织物检测方法，包括：当要检测指定图像所包含的织物表面是否存在疵点时，获取所述指定图像候选区域中的织物属性特征；根据所述候选区域和所述织物属性特征，利用属性/疵点分类判别网络检测所述候选区域中是否存在疵点有效区域。

按照本发明的实施例的基于属性/疵点分类判别的织物检测装置，包括：获取模块，用于当要检测指定图像所包含的织物表面是否存在疵点时，获取所述指定图像候选区域中的织物属性特征；检测模块，用于根据所述候选区域和所述织物属性特征，利用属性/疵点分类判别网络检测所述候选区域中是否存在疵点有效区域。

按照本发明的实施例的计算机设备，包括处理器；以及存储器，其上存储有可执行指令，其中，所述可执行指令当被执行时使得所述处理器执行前述的方法。

按照本发明的实施例的计算机可读介质，其上存储有可执行指令，其中，所述可执行指令当被执行时使得计算机执行前述的方法。

从以上的描述可以看出，本发明的实施例的方案对织物进行疵点检测时，利用属性/疵点分类判别网络对织物图像中的候选区域进行分类判别，检测出其中属于疵点的疵点有效区域，排除属于织物属性的织物属性无效区域，从而能提高织物疵点检测的准确度。

附图说明

图1为按照本发明的一个实施例的基于属性/疵点分类判别的织物检测方法的流程图；

图1a为按照本发明的一个实施例的基于属性/疵点分类判别的网络结构图；

图1b为按照本发明的一个实施例的RNN-ResNet模型的一个神经网络基本单元的结构示意图；

图1c为按照本发明的一个实施例的LSTM-ResNet模型的一个神经网络基本单元的结构示意图；