[发明专利]基于激光束的织物织造疵点检测方法

说明书

本发明涉及光学检测技术领域，具体涉及基于激光束的织物织造疵点检测方法。该方法包括：在织物生产机床上，部署空间光调节器与相机，通过空间光调节器产生激光束打在织物表面，利用相机获取织物表面光斑图像；建立神经网络对所述织物表面光斑图像进行光斑区域提取，获取高斯光斑区域图像；并对其利用贝叶斯混合高斯模型进行拟合，获取时序的高斯光束特征向量；利用机器学习模型对所述时序的高斯光束特征向量进行识别，判断疵点类型。本发明方法可以检测复杂背景与织物图案下任意数量的高斯激光束，同时结合高斯光束的特征向量，对高斯光束进行了更有效的量化，有效提高了织物疵点的判断精度。

技术领域

本发明涉及光学检测技术领域，具体涉及基于激光束的织物织造疵点检测方法。

背景技术

织物疵点检测在纺织工业中起着关键的质量控制作用。训练有素的检验员进行质量检查，以发现任何潜在的织物缺陷。然而，由于人类劳动的固有局限性，如眼睛疲劳和注意力分散，该过程被认为是耗时、不一致、容易出错和昂贵的。因此，为了改进这一重要过程，高度期望自动化和精确的检查系统，其中图像分析和处理技术在工业中被广泛应用，可以自动化的进行缺陷检测和分类。织物图案上经常出现的缺陷限制了制造商从劣质产品中回收的利润，因此，纺织工业中的缺陷检测过程需要满足接近高检测精度的期望。

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激光束的织物织造疵点检测方法，所采用的技术方案具体如下：

本发明提出基于激光束的织物织造疵点检测方法，所述方法包括：

在织物生产机床上，部署空间光调节器与相机，通过所述空间光调节器产生激光束打在织物表面，同时利用所述相机获取织物表面光斑图像；建立高斯光斑检测神经网络对所述织物表面光斑图像进行光斑区域提取，获取高斯光斑区域图像；对所述高斯光斑区域图像进行分析，获取织物光斑区域图像，根据所述织物光斑区域图像获取激光束光强图像，根据所述织物光斑图像及所述激光束光强图像用贝叶斯混合高斯模型进行拟合，得到高斯光束分布图像及高斯光束的形态参数；基于所述高斯光束分布图像进行分析，得到所述光强对称熵，将所述高斯光束的形态参数及所述光强对称熵进行结合获取时序的高斯光束特征向量； 利用机器学习模型对所述时序的高斯光束特征向量进行识别，判断疵点类型。

进一步的，所述空间光调节器打出的激光束为高斯光束。

进一步的，所述建立高斯光斑检测神经网络对所述织物表面光斑图像进行光斑区域提取的方法包括：构建标签数据集，首先人为通过标注工具标记出图像中的光斑区域，所述光斑区域的标注采用椭圆形进行标注，然后对每一个光斑区域内的光斑像素坐标进行二维高斯分布拟合，得到该光斑区域的高斯分布函数；然后通过计算机代码生成一张与采集图像等大小的全0图像，将每一个光斑区域内的光斑像素空间坐标带入其所属的光斑区域的高斯分布函数，并进行归一化，得到该像素的标注值，最终得到高斯光斑标注图像；然后建立高斯光斑检测神经网络，其输入为采集的织物表面光斑图像，输出为高斯光斑区域图像，然后将高斯光斑区域图像与高斯光斑标注图像进行损失函数计算，损失函数采用均方差损失，神经网络训练完毕后，输入采集的织物表面光斑图像，输出高斯光斑区域图像。

进一步的，所述对所述高斯光斑区域图像进行分析，获取织物光斑区域图像，根据所述织物光斑区域图像获取激光束光强图像，包括：利用阈值法提取高斯光斑区域图像中的光斑坐标，大于光斑阈值的像素值置为1，代表为高斯光斑坐标，小于光斑阈值的值为0，得到高斯光斑区域二值图像；然后将高斯光斑区域二值图像与织物表面光斑图像进行相乘，得到织物光斑区域图像；利用基于Retinex理论的MSRCR 算法对织物光斑区域图像进行处理，得到织物表面的反射分量图像，然后根据下述公式，得到激光束光强图像：

I(x,y)代表织物光斑区域图像；L(x,y)代表激光束光强图像；R(x,y)表示织物表面的反射分量图像，所述激光束光强图像需要进行归一化操作。