[发明专利]基于深度学习的布匹缺陷检测方法

说明书

本发明提供了一种基于深度学习的布匹缺陷检测方法。该方法包括：建立不同类型缺陷的布匹检测图像库及其标签库；建立基于深度学习的目标检测模型，包括基础网络、区域提议网络和Fast R‑CNN检测网络；建立基于深度学习的图像分类模型；在准备好的各图库上训练已建立的目标检测模型或图像分类模型，训练过程中每次迭代的输入数据都执行数据增强操作，根据检测出的布匹中缺陷的相对位置，检测布匹有无缺陷，若有缺陷则利用图像分类模型确定布匹的缺陷类型。与传统的图像识别方法相比，本发明无需人工设计繁琐的图像特征提取器，可以帮助工作人员完成初步的布匹图像数据筛选，为后续的进一步检测奠定基础，减轻了工作强度并提升了纺织产业的智能化水平。

技术领域

本发明属于图像识别技术、机器学习技术领域，具体涉及一种基于深度学习的布匹缺陷检测方法。

背景技术

布匹的缺陷检测是其生产过程中质量控制的重要环节。目前，国内绝大多数纺织服装行业企业仍由人眼目测完成该项工作，然而该方法检测速度慢，劳动强度大，检测结果受检验人员的经验、熟练程度以及一些主观因素的影响，缺乏一致性和可靠性。同时，这种工作方式还会极大的损伤工人的视觉系统。由于人工检测效率低且不是一种客观一致的评判方法，检测结果容易使行业上下游之间产生贸易纠纷和矛盾。

在纺织工业里，缺陷的产生有多种因素。比如：布匹生产的工序不对，纺线粗细不符合标准等等。根据布匹上出现缺陷的类型常常可以判断生产过程中存在的问题，进而对机器的运行作进一步调整。因此，对布匹缺陷进行正确高效的分类，有着重要的现实意义。

目前，布匹缺陷检测的技术主要有统计法、频谱法、模型法、和学习方法。这些方法涉及复杂的特征统计和分析，计算量较大，很难满足工业要求。

因此，如何自动检测出布匹缺陷并进行布匹缺陷的分类，减少工作量，是目前需要解决的技术问题。

发明内容

本发明的目的在于提供一种基于深度学习的布匹缺陷检测方法，该布匹缺陷检测方法使用深度学习图像分类技术对布匹进行缺陷判定，并将有缺陷的布匹进行缺陷分类，从而帮助工作人员完成初步的布匹图像数据筛选，为后续的进一步检测奠定基础，减轻了工作强度并提升了纺织产业的智能化水平。

为实现上述目的，本发明的技术方案是：一种基于深度学习的布匹缺陷检测方法，包括如下步骤：

步骤1：建立不同类型缺陷的布匹检测图像库及其标签库；

步骤2：建立基于深度学习的目标检测模型；

步骤3：建立基于深度学习的图像分类模型；

步骤4：利用数据增强技术扩充步骤1的布匹检测图像库，以增加布匹检测图像库的内容多样性；

步骤5：训练布匹缺陷检测模型；

步骤6：训练布匹缺陷分类模型；

步骤7：将待检测的布匹图像输入布匹缺陷检测模型中，获得布匹图像区域，利用布匹缺陷检测模型判断布匹是否存在缺陷，若是，则利用布匹缺陷分类模型来判断布匹缺陷的具体类型，并将具体类型记录于服务器内。

可选的，步骤1中标签库中的标签类别包括正常、扎洞、毛斑、擦洞、毛洞、织稀、吊经、缺经、跳花及油/污渍；所述布匹检测图像库中的图像为完整高清图像按照图片像素宽度不超过1024或图片像素高度不低于900的规则等比缩放形成。