[发明专利]基于深度神经网络的纺织面料的绒毛检测方法

权利要求书

1.一种基于深度神经网络的纺织面料的绒毛检测方法，其特征在于，包括：

获取待检测的纺织面料图像，所述待检测的纺织面料为正在生产中的纺织面料；

计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图；

将所述纹理差分特征图输入卷积神经网络以获得第一特征图；

将所述第一特征图按照不同的尺度被均分为多个图像块，其中，不同尺度的图像块的数量之和等于全连接层的输入端的节点数；以及

将所述多个图像块通过所述全连接层和分类函数以获得分类结果，所述分类结果用于表示所述待检测的纺织面料的绒毛数量是否满足预设要求。

2.根据权利要求1所述的基于深度神经网络的纺织面料的绒毛检测方法，其中，其中，计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图，包括：

提取所述待检测的纺织面料图像中的纹理特征以获得第一纹理特征图；

计算所述第一纹理特征图和从所述经检测合格的纺织面料的图像提取出的第二纹理特征图之间的按像素位置差分以获得所述纹理差分特征图。

3.根据权利要求1所述的基于深度神经网络的纺织面料的绒毛检测方法，其中，计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图，包括：

将所述待检测的纺织面料图像与经检测合格的纺织面料的图像通过多层卷积层，以获得第一纹理特征图和第二纹理特征图；以及

计算所述第一纹理特征图和所述第二纹理特征图之间的按像素位置差分以获得所述纹理差分特征图。

4.根据权利要求1所述基于深度神经网络的纺织面料的绒毛检测方法，其中，将所述第一特征图按照不同的尺度被均分为多个图像块，包括：

基于全连接层的输入端的节点数确定所述第一特征图的尺度划分机制；

基于所述尺度划分机制将所述第一特征图按照不同的尺度均分为多个图像块。

5.根据权利要求1所述的基于深度神经网络的纺织面料的绒毛检测方法，其中，将所述多个图像块通过所述全连接层和分类函数以获得分类结果，包括：

对所述多个图像块中每个图像块进行全局平均值池化以生成一个值；

将所述多个图像块分别生成的一个值按所述多个图像块的顺序排列以获得多尺度特征向量；以及

将所述多尺度特征向量输入所述全连接层和分类函数以获得分类结果。

6.根据权利要求1所述的基于深度神经网络的纺织面料的绒毛检测方法，其中，将所述多个图像块通过所述全连接层和分类函数以获得分类结果，包括：

对所述多个图像块中每个图像块进行全局最大值池化以生成一个值；

将所述多个图像块分别生成的一个值按划分尺度的顺序进行排列以获得多尺度特征向量；以及

将所述多尺度特征向量输入所述全连接层和分类函数以获得分类结果。

7.一种基于深度神经网络的纺织面料的绒毛检测系统，其特征在于，包括：

图像获取单元，用于获取待检测的纺织面料图像，所述待检测的纺织面料为正在生产中的纺织面料；

纹理差分特征图生成单元，用于计算所述图像获取单元获得的所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分以获得纹理差分特征图；

第一特征图生成单元，用于将所述纹理差分特征图生成单元获得的所述纹理差分特征图输入卷积神经网络以获得第一特征图；

图像块划分单元，用于将所述第一特征图生成单元获得的所述第一特征图按照不同的尺度均分为多个图像块，其中，不同尺度的图像块的数量之和等于全连接层的输入端的节点数；

分类结果生成单元，用于将所述图像块划分单元获得的所述多个图像块通过所述全连接层和分类函数以获得分类结果，所述分类结果用于表示所述待检测的纺织面料的绒毛数量是否满足预设要求。