[發明專利]一種多層次模型布匹疵點檢測方法和系統

有效

• 申請號: 201710107169.0
• 申請日: 2017-02-27
• 公開（公告）號: CN106996935B
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 孫志剛;萬東;肖力;王卓
• 申請（專利權）人: 華中科技大學
• 主分類號: G01N21/88
• 分類號: G01N21/88;G06K9/32;G06K9/62;G06N3/08
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智;曹葆青

1.一種多層次模型布匹疵點檢測方法，其特征在于，包括以下步驟：

(1)預先訓練預分類模型Model₁、卷積神經網絡模型FabricNet和終分類模型Model₂；

(2)采集布匹圖像，對其分割得到ROI圖像，計算ROI圖像的GLCM的特征值組成特征向量V₁；

(3)將V₁輸入Model₁判斷ROI圖像是否為疵點圖像，若為疵點圖像則進行步驟(4)，若不是疵點圖像則得到了ROI圖像的判別結果，ROI圖像為正常圖像；

(4)將疵點圖像輸入FabricNet，得到卷積層Fc7層輸出向量作為疵點圖像的紋理特征向量V₂；

(5)將V₂輸入Model₂，得出疵點圖像的疵點分類判別結果；最終得到布匹圖像的疵點檢測結果。

2.如權利要求1所述的一種多層次模型布匹疵點檢測方法，其特征在于，所述Model₁的具體訓練方式為：

選取含有疵點的圖像和不含疵點的圖像組合為學習集L1，其中將L1按照第一預設比例分為訓練集L1₁和驗證集L1₂；計算L1₁中圖像的GLCM的特征值組成特征向量V₁₁，將V₁₁輸入第一分類器進行訓練；計算L1₂中圖像的GLCM的特征值組成特征向量V₁₂，將V₁₂輸入第一分類器測試預分類的準確率，得到預分類準確率大于等于第二預設值的Model₁。

3.如權利要求2所述的一種多層次模型布匹疵點檢測方法，其特征在于，所述FabricNet的具體訓練方式為：

選取含有疵點的圖像和不含疵點的圖像組合為學習集L2，其中將L2按照第三預設比例分為訓練集L2₁和驗證集L2₂；對L2₁采用N折交叉驗證法進行訓練，用L2₂測試再分類的準確率，得到再分類準確率大于等于第四預設值的FabricNet。

4.如權利要求3所述的一種多層次模型布匹疵點檢測方法，其特征在于，所述Model₂的具體訓練方式為：

選取含有疵點的圖像和不含疵點的圖像組合為學習集L3，L3按照第五預設值分為訓練集L3₁和驗證集L3₂；將L3₁輸入FabricNet得到特征向量V₂₁，將V₂₁輸入第一分類器進行訓練，計算L3₂中圖像的GLCM的特征值組成特征向量V₂₂，將V₂₂輸入第一分類器進行測試，得到終分類準確率大于等于第六預設值的終分類模型Model₂。

5.如權利要求2或4所述的一種多層次模型布匹疵點檢測方法，其特征在于，所述第一分類器為支持向量機、Softmax分類器、貝葉斯分類器、決策樹分類器和K近鄰分類器中的任意一種。

6.如權利要求5所述的一種多層次模型布匹疵點檢測方法，其特征在于，所述第一分類器為支持向量機。

7.如權利要求1所述的一種多層次模型布匹疵點檢測方法，其特征在于，所述圖像的GLCM的特征值是圖像的4個方向的GLCM的4個特征值，4個特征值為能量、熵、對比度和逆差矩。