[发明专利]基于YOLO-v3的布面疵点检测及辅助装置与方法

说明书

本发明公开基于YOLO‑v3的布面疵点检测及辅助装置与方法，包括在线生产运行的布匹，该布匹采用卷布辊进行输送，所述卷布辊采用变频电机驱动，还包括工业摄像机、图像采集卡、处理器、寄存器、PLC控制器、显示屏、制动块和退绕辊；所述制动块分别设置在卷布辊和退绕辊上；布匹疵点检测按以下步骤进行：制作训练数据集；训练模型，保存权重参数并实施自动化检测；写入检测到的疵点信息。布匹修复辅助可分为以下几步：读取存储的疵点信息；修复辅助装置退绕布匹至疵点位置处；疵点信息显示在显示屏上，辅助人工修补。本发明具有算法检测准确；检测速度快；多种疵点可同时检测；较好的可视化性能，极大地减轻了工人的负担。

技术领域

本发明涉及疵点检测技术领域，具体涉及基于YOLO-v3的布面疵点检测及辅助装置与方法。

背景技术

验布是织造后整理工序，无论是机织布还是针织布，都少不了验布的环节。验布就是检查布匹上的疵点并标记疵点出现的位置与类型，统计疵点的类型与数量对布匹评级。根据疵点的类型，某些严重的疵点还要进行修复，以达到客户的要求，并节省成本。整理工序作为布匹出厂前的最后一道工序，而验布上承织造，下承染色，印花等工序，因此可以说验布是整理工序中的关键工序。

目前，纺织企业仍广泛采用人工验布的方式，即凭借肉眼去观察布面质量，并完成布面疵点的标记。布匹从织机上下来是卷装的形式，当验完一卷后，再交由专门人员进行修复。这种人工修复的方式，存在着劳动强度大，效率低，漏检率高，用工成本高等诸多问题。

机器自动验布作为一种新方式，有着巨大的应用价值与市场前景。自动验布的核心是自动验布算法的设计。其主要思想是先对图像预处理，如图像采集与图像分割，二值化，转换灰度图等方法。接着提取或者突出布匹疵点的特征，常用算法有高斯滤波，小波变换，快速傅里叶变换。最后识别图像中的疵点并分类，常见算法有直方图识别，门限对比识别，轮廓变换识别算法等。机织布匹幅宽很大，为了降低算法的复杂度，提高检测速度，常常需要多步预处理。然而，预处理也过滤掉了疵点的许多特征，因此这种图像检测的方法常常存在着识别精度不高，难以满足高速检测等问题。

近些年，深度学习取得了巨大发展，一些深度学习算法开始应用在图像检测中，最常见的为卷积神经网络(CNN)，但是作为一种基本深度学习算法，其结构较简单，当布面中出现多个不同疵点时，准确率较低，误判率较高，且不能给出疵点出现的范围。

现今，高速织机经过多年发展，喷水织机的速度能达到1000r/min，喷气织机也能达到500-700r/min，为了降低企业成本及满足大批量生产，基于高速高精度图像检测算法的自动验布是未来一段时间内纺织行业的发展方向。

发明内容

本发明的目的在于提供基于YOLO-v3的布面疵点检测及辅助装置与方法，具体是一种新型的自动化疵点检测与修补辅助装置，具有较高的检测准确率，较快的检测速度，能满足高速大批量生产要求。

为实现上述目的，本发明采用的技术方案是：一种基于YOLO-v3的布面疵点检测及辅助装置，包括在线生产运行的布匹，该布匹采用卷布辊进行输送，所述卷布辊采用变频电机驱动，其创新点在于：还包括工业摄像机、图像采集卡、处理器、寄存器、PLC控制器、显示屏、制动块和退绕辊；所述工业摄像机位于布匹上方；所述退绕辊也采用变频电机驱动；所述制动块分别设置在卷布辊和退绕辊上；所述工业摄像机、图像采集卡、处理器、寄存器、PLC控制器之间电性连接，所述PLC控制器分别与显示屏及变频电机电性连接。

一种基于YOLO-v3的布面疵点检测及辅助装置的处理方法，其创新点在于，包括疵点检查与布匹修复辅助，具体为：

疵点检查包括以下步骤：

a.制作训练数据集与测试数据集；

b.根据常见疵点的种类确定模型的结构与训练参数，导入训练数据，开始训练模型的权重；