[發明專利]基于卷積神經網絡的高清攝像機布料疵點檢測方法

在審

• 申請號: 202010026201.4
• 申請日: 2020-01-10
• 公開（公告）號: CN111047655A
• 公開（公告）日: 2020-04-21
• 發明（設計）人: 徐斌;曾祥永
• 申請（專利權）人: 北京盛開互動科技有限公司
• 主分類號: G06T7/90
• 分類號: G06T7/90;G06T7/40;G06T7/13;G06T7/11;G06T7/00;G06N3/08;G06N3/04;G01N21/93;G01N21/88
• 代理公司: 天津市杰盈專利代理有限公司 12207
• 代理人: 趙尊生

本發明涉及一種基于卷積神經網絡的高清攝像機檢測布料疵點的方法。該方法首先通過高清攝像機拍攝待檢測布料，并對拍攝環境進行補光，保證采集圖像包含清晰紋理、顏色等信息；然后判定布料是否處于待檢測狀態，若布料位置信息準確，自動拍攝并將圖片送入設計的神經網絡，經過深度學習算法提取特征，檢測并標記布料疵點位置。該裝置包括：高清攝像機、補光燈、底座、硬件運算平臺。該方法對不同類型、不同大小的疵點都有理想的檢測結果,可在提高疵點檢測速度、檢測精度的同時，兼顧實用性。

背景技術

本發明涉及布料疵點檢測領域，尤其涉及基于深度學習算法的一種基于卷積神經網絡的高清攝像機檢測布料疵點的方法。

技術領域

隨著計算機的軟硬件性能的不斷提高，計算機視覺技術也得到了明顯提升且開始廣泛應用于各個行業。物體的圖像檢測是計算機視覺技術的一項重要分支，自動化、智能化、高效化的物體圖像檢測成為產品生產中愈發重要的技術需求。其中自動化的布料疵點檢測就需要物體圖像檢測技術。搭建切實可靠的物體圖像檢測環境，設計高效準確的檢測算法已經成為不可或缺的環節。

目前國內布料疵點的檢測多數依靠傳統的人工檢測方式，該方式存在諸多問題，包括：1)誤檢率、漏檢率較高；2)長時間工作導致視覺疲勞，影響員工視力，且無法保證后續工作的準確性、高效性；3)檢測結果帶有較強主觀性，無法統一檢測標準。

疵點檢測作為布料質量評估的重點，其核心在于布料疵點的特征提取算法，主要分為：(1)基于模型的方法，該方法通過隨機過程建模檢測布料疵點，雖然對布料紋理有比較不錯的描述能力，但計算量較大，且對細微疵點識別率極低；(2)基于空間域的統計方法，該方法極易受噪聲影響，對細微疵點存在嚴重漏檢現象；(3)基于頻域的方法，此方法可從整體到局部確定疵點位置，但對復雜紋理布料檢測率很低。這類檢測算法主要是對灰度圖像進行處理，而對彩色布料和細微疵點存在嚴重漏檢現象，目前絕大多數布料檢測算法僅針對于特定少量疵點進行測試，對算法的實用性、可行性缺少數據驗證。

由于現有的布料檢測系統功能單一，真正應用實際生產的并不多，目前已出現的自動化驗布裝置有：以色列埃爾博特(EVS)公司推出的I-TEX系列布料自動檢測系統，瑞士烏斯特(Uster)公司推出的Uster Visotex系統，以及德國Opdix光電子技術公司開發的布料檢測系統；以上系統對硬件投資過大，價格過于昂貴，國內尚無類似產品銷售。綜上所述，現有布料檢測裝置存在成本較高，效率、準確率較低,對細微疵點檢測難等問題。

中國專利CN201710107169.0公開了一種多層次模型布匹疵點檢測方法和系統，在布匹圖像的疵點檢測的過程中使用了3個模型：預分類模型、卷積神經網絡模型FabricNet和終分類模型。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；將V1輸入Model1判斷ROI圖像是否為疵點圖像，若為疵點圖像則將疵點圖像輸入FabricNet，得到紋理特征向量V2；若不是疵點圖像則得到了ROI圖像的判別結果；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。

發明內容

本發明型的目的是提供一種基于卷積神經網絡的高清攝像機布料疵點檢測方法，用以克服或者緩解現有技術中上述缺陷。該方法首先通過高清攝像機拍攝待檢測布料，并對拍攝環境進行補光，保證采集圖像包含清晰紋理、顏色等信息；然后判定布料是否處于待檢測狀態，若布料位置信息準確，自動拍攝并將圖片送入設計的神經網絡，經過深度學習算法提取特征，檢測并標記布料疵點位置。該方法對不同類型、不同大小的疵點都有理想的檢測結果,可在提高疵點檢測速度、檢測精度的同時，兼顧實用性。

本發明提供一種基于卷積神經網絡的高清攝像機布料疵點檢測方法是通過高清攝像機拍攝待檢測布料，并對拍攝環境進行補光，保證采集圖像包含清晰紋理、顏色等信息；然后判定布料是否處于待檢測狀態，若布料位置信息準確，自動拍攝并將圖片送入設計的神經網絡，經過深度學習算法提取特征，檢測并標記布料疵點位置。