[发明专利]基于风格迁移和人工智能的纺织品缺陷检测方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于风格迁移和人工智能的纺织品缺陷检测方法及系统。该方法获取简单纹理纺织品图像中的缺陷信息，获得初始缺陷分割图像。将初始分割图像分割为缺陷区域图像和正常区域图像。将属于不同初始分割图像且属于相同区域的缺陷区域图像和正常区域图像进行匹配，获得风格迁移图像组。将风格迁移图像组进行风格迁移获得风格迁移图像。将风格迁移图像进行拼接获得复杂纹理纺织品图像，利用复杂纹理纺织品图像训练最优缺陷检测网络，通过最优缺陷检测网络检测待检测纺织品图像的纺织品缺陷。本发明通过包含缺陷信息和多种风格信息的复杂纹理纺织品图像作为训练数据，提高了最优缺陷检测网络检测能力和适用性。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于风格迁移和人工智能的纺织品缺陷检测方法及系统。

背景技术

纺织品应用于服装、工艺品等多个行业。纺织品的缺陷检测对于纺织品行业有这重要意义。以服装行业举例，纺织品的缺陷会导致服装的质量下降，口碑下跌，从而影响服装的销量。因此需要准确的筛选出纺织品的缺陷信息，避免因为包含缺陷信息的纺织品导致成品质量收到影响。

纺织品的缺陷主要通过人工进行检测，但是人工检测易出现漏检误检的情况，且效率低，检测速度缓慢。利用机器学习和深度学习算法可通过检测纺织品图像信息代替人工检测，但是对于纺织品而言，表面的纹理信息复杂，且不同纺织品存在不同的纹理风格，因此所需训练数据庞大，网络模型拟合时间长，且对于不同风格的纺织品无法获得准确的缺陷信息。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于风格迁移和人工智能的纺织品缺陷检测方法及系统，所采用的技术方案具体如下：

本发明提出了一种基于风格迁移和人工智能的纺织品缺陷检测方法，所述方法包括：

采集简单纹理纺织品图像；将所述简单纹理纺织品图像送入预先处理好的初始缺陷检测网络中，输出初始缺陷分割图像；所述初始缺陷分割图像包含缺陷信息，若相邻缺陷信息的距离小于预设距离阈值，则将所述相邻缺陷信息合并为一个所述缺陷信息；

以所述初始缺陷分割图像的重心为起始点做分割线，获得多个分割区域图像；所述分割区域图像为缺陷区域图像或正常区域图像；所述缺陷区域图像中仅包含一个所述缺陷信息；

将属于不同所述初始缺陷分割图像且处于相同位置对应的所述缺陷区域图像和所述正常区域图像进行匹配，获得风格迁移图像组；通过预先训练好的风格迁移网络处理所述风格迁移图像组，输出多个风格迁移图像；

将多个所述风格迁移图像拼接，获得包含所述缺陷信息和多种风格信息的复杂纹理纺织品图像；以所述复杂纹理纺织品图像作为训练数据训练最优缺陷检测网络；获得待检测纺织品图像，将所述待检测纺织品图像送入所述最优缺陷检测网络获得纺织品缺陷。

进一步地，所述缺陷信息包括缺陷位置及其对应的缺陷概率。

进一步地，所述以所述初始缺陷分割图像的重心为起始点做分割线，获得多个分割区域图像包括：

在所述初始缺陷分割图像中，根据所述缺陷信息的数量设置所述分割线，使得所述缺陷信息数量相同的不同所述初始缺陷分割图像上对应位置处的所述分割区域图像之间区域形状相同。

进一步地，所述过预先训练好的风格迁移网络处理所述风格迁移图像组，输出多个风格迁移图像包括：

将多个所述风格迁移图像组与预设白噪声图像输入所述风格迁移网络中，输出多个所述风格迁移图像。

进一步地，所述风格迁移网络包括：

所述风格迁移网络的损失函数包括内容损失函数和风格损失函数；所述内容损失函数包括：