[發明專利]一種基于卷積神經網絡的織物疵點檢測方法

在審

• 申請號: 201710072366.3
• 申請日: 2017-02-09
• 公開（公告）號: CN106845556A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 趙銀玲;周武能
• 申請（專利權）人: 東華大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/40;G06K9/46
• 代理公司: 上海申匯專利代理有限公司31001
• 代理人: 翁若瑩,吳小麗

1.一種基于卷積神經網絡的織物疵點檢測方法，其特征在于：該方法包括以下步驟：

步驟1：通過圖像采集模塊獲取織物圖像，并發送至圖像預處理模塊；

步驟2：圖像預處理模塊對所接受的織物圖像進行預處理，包括圖像濾波處理、壓縮動態范圍處理和直方圖均衡化處理；

步驟3：建立卷積神經網絡模型，網絡輸入為預處理后的織物圖像，網絡輸出為織物圖像是否存在疵點以及疵點類型的情況；

步驟4：將步驟2預處理后的織物圖像輸入步驟3所建立的卷積神經網絡模型，卷積神經網絡從多個角度自動提取織物圖像的不同特征，實現對織物圖像中的疵點進行識別和分類。

2.如權利要求1所述的一種基于卷積神經網絡的織物疵點檢測方法，其特征在于：所述步驟2中，使用高斯濾波在盡可能保留原圖信息的情況下有效濾除織物圖片中的噪聲，采用對數變換的形式對圖片進行增強。

3.如權利要求1所述的一種基于卷積神經網絡的織物疵點檢測方法，其特征在于：所述步驟3中，卷積神經網絡模型包含：輸入層，多層非線性的固定卷積層，一層全連接層和輸出層；其中，每層非線性的固定卷積層又包括一層卷積層和一層池化層。

4.如權利要求1所述的一種基于卷積神經網絡的織物疵點檢測方法，其特征在于：所述步驟3中，卷積神經網絡模型的建立方法如下：

步驟3.1：通過圖像采集模塊分別采取一組完好無疵點的織物圖像、一組具有經向疵點的織物圖像、一組具有緯向疵點的織物圖像、一組具有區域型疵點的織物圖像、一組具有離散型疵點的織物圖像；

步驟3.2：通過圖像預處理模塊對步驟3.1中的各組織物圖像進行預處理，包括圖像濾波處理、壓縮動態范圍處理和直方圖均衡化處理；將預處理后的各組織物圖像分別分成兩部分，一部分作為訓練樣本集，一部分作為測試樣本集；

步驟3.3：利用訓練樣本集對卷積神經網絡模型進行訓練，若為完好無疵點的織物，則輸出(0，0，0)的結果；若為具有經向疵點的織物，則輸出(0，0，1)的結果；若為具有緯向疵點的織物，則輸出(0，1，0)的結果；若為具有區域型疵點的織物，則輸出(1，0，0)的結果；若為具有離散型疵點的織物，則輸出(1，0，1)的結果；

步驟3.4：利用測試樣本集對步驟3.3訓練好的卷積神經網絡模型進行測試，將測試結果與預期值進行對比，如誤差率不在設定的閾值范圍內，則回到步驟3.3重新訓練，對網絡參數進行修正；直至誤差率滿足設定的閾值范圍，得到適合織物疵點檢測的卷積神經網絡模型。