[发明专利]基于图像处理的纺织品质量检测方法

说明书

本发明涉及数据处理技术领域，具体涉及基于图像处理的纺织品质量检测方法。该方法是一种应用电子设备进行识别的方法，利用生产领域人工智能系统完成纺织品的质量检测。该方法通过相机识别图像获取纺织品图像和对应的目标区域，对目标区域进行数据处理，得到多个高亮点类别，进一步对高亮点类别进行数据处理得到异常区域，并根据异常区域对纺织品进行评价。本发明实施例采用数据识别的方法，并通过相关的数据处理，获取了纺织品的异常区域，实现对纺织品的质量检测。

技术领域

本发明涉及数据处理技术领域，具体涉及基于图像处理的纺织品质量检测方法。

背景技术

随着人们对健康的不断重视，进而使得对纺织产品的质量需求越来越高。对纺织品质量的把控是纺织行业的关键步骤，当纺织产品出现质量异常时，不仅会影响纺织产品的美观，严重的还会影响人们的健康，当质量出现异常时，异常区域直接接触人体皮肤存在对皮肤造成磨损的情况。在纺织品生产过程中难以做到百分百无缺陷，故对纺织品的异常检测是纺织品生产过程中的重要一环。对于网孔织物图像来说，往往是首先沿着某个方向进行纺织，然后将另一个方向的纺织线与第一个方向的纺织线通过捆绑联系在一起，形成一个个的网孔，由于在捆绑过程中往往存在偏差和错位，导致形成纺织品缺陷。

目前，常见的对纺织品进行缺陷检测的方法为阈值分割检测得到缺陷，该方法对前景和背景的要求较高，必须在前景和背景差别较为明显的情况下检测效果较好，对检测环境的要求高，且在对前景区域进行计算时，通过网孔大小得到质量参数，计算过程复杂，计算量大。

发明内容

为了解决上述技术问题，本发明的目的在于提供基于图像处理的纺织品质量检测方法，所采用的技术方案具体如下：

采集纺织品图像，通过语义分割获得目标区域；

提取所述目标区域的边缘，得到边缘二值图；将所述边缘二值图转换到霍夫空间中，构造高亮点在不同方向上的拓扑图结构；基于所述拓扑图结构，对所述高亮点进行聚类，得到多个高亮点类别；

通过金字塔采样过程中不同高亮点类别的变化，从高亮点类别中筛选出异常类别；在所述纺织品图像上对异常类别进行定位，得到异常区域；根据所述异常区域对纺织品进行评价。

优选的，所述提取所述目标区域的边缘，得到边缘二值图，包括：

利用canny边缘检测算法，提取所述目标区域的边缘，得到边缘二值图。

优选的，所述将所述边缘二值图转换到霍夫空间中，构造高亮点在不同方向上的拓扑图结构，包括：

构建高亮点数量直方图；通过高亮点数量直方图得到不同横坐标对应的高亮点的数量信息，对所述高亮点数量直方图进行多阈值分割，得到不同的横坐标类别，计算不同横坐标类别中高亮点数量最大值，将归一化后的高亮点数量最大值作为所述横坐标类别的高亮点数量最大性；计算不同横坐标类别中高亮点的投票值均值最大值，将归一化后投票制均值最大值作为所述横坐标类别的高亮点值最大性；计算每个横坐标类别对应的高亮点数量最大性和投票值均值最大值的乘积，作为第一乘积；将霍夫空间中最大的第一乘积对应的横坐标类别的类别横坐标均值在边缘二值图上对应的方向，作为第一方向；将霍夫空间中第二大的第一乘积对应的横坐标类别的类别横坐标均值在边缘二值图上对应的方向，作为第二方向；

构建高亮点在所述第一方向和所述第二方向上的拓扑图结构。

优选的，所述基于所述拓扑图结构，对所述高亮点进行聚类，得到多个高亮点类别，包括：

基于拓扑图结构，将相连接的高亮点的欧式距离作为边权值，利用拉普拉斯图聚类方法对高亮点进行聚类，得到多个高亮点类别。

优选的，所述通过金字塔采样过程中不同高亮点类别的变化，从高亮点类别中筛选出异常类别，包括：

将所述第一方向和所述第二方向对应的两个横坐标类别中，高亮点数量最大值较大的横坐标类别作为第一类别；高亮点值最大性较大的横坐标类别作为第二类别；