[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

技術領域

本發明涉及圖像處理和卷積神經網絡算法，具體用于檢測各類織物中的疵點，并對識別出的織物疵點進行分類。

背景技術

我國是紡織大國，紡織產業在社會經濟中占有重要地位。其中，織物質量是關鍵，織物疵點的檢測更是重中之重。目前，絕大多數的生產線還在用人工進行疵點檢測，人工檢測的速度慢、效率低，很容易受檢測人員的主觀影響而漏檢和錯檢。

隨著機器視覺的不斷發展，圖像處理技術和機器學習算法也逐漸應用到紡織行業中，這些技術的發展使得疵點檢測可以實現自動化，從而達到快速和高效的目的。

對織物疵點自動檢測技術的研究從20世紀80年代起，已經進行了30余年，各國學者相繼發表了大量的相關文章和研究成果，取得了很好的成績。目前，對織物疵點進行自動檢測的常見方法有圖像處理、頻譜特征、小波變換、Gabor濾波器、神經網絡和遺傳算法等。雖然到目前為止已經出現了很多不錯的研究成果，不斷涌現出新方法，穩步地提升了科研水平，但更為先進的自動檢測系統畢竟是少數。上述現有方法存在如下缺陷：分辨織物疵點類型的能力有限，實際應用的成本高，局限性大。

卷積神經網絡是一個新的研究方向，近年來在機器學習領域快速發展，目前已在學術界被廣泛關注，并且已經在語音識別、圖像識別、自然語言處理等多類應用中取得了突破性的進展。相對于全連接網絡只能通過用淺層結構來降低運算難度，卷積神經網絡算法可以采用擁有多層隱含層的深層結構，其優勢是可以完成復雜的函數逼近，更適用于大量數據的分析與處理工作，因為單層計算能力有限，多層網絡能夠更好地獲取主要的結構信息。

發明內容

本發明要解決的技術問題是如何將卷積神經網絡應用于織物疵點的檢測和分類，以提高織物疵點類型分辨的準確度和效率。

為了解決上述技術問題，本發明的技術方案是提供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。

優選地，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。

優選地，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。

優選地，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。

相比現有技術，本發明提供的基于卷積神經網絡的織物疵點檢測方法具有如下有益效果：

1、將卷積神經網絡用于織物疵點的檢測，卷積神經網絡能夠描述復雜的非線性關系，又因其網絡的稀疏性而大大降低了其計算難度、提高了其計算效率，從而更加高效、準確地進行擬合，提高了疵點檢測的準確性和效率；