[發(fā)明專利]一種基于機(jī)器視覺的織物尺寸測量分布式系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202010399999.7
• 申請日: 2020-05-13
• 公開（公告）號: CN111595237B
• 公開（公告）日: 2022-05-20
• 發(fā)明（設(shè)計）人: 李清光;王海冰;張耀忠;寧琮恩
• 申請（專利權(quán)）人: 廣西大學(xué)
• 主分類號: G01B11/00
• 分類號: G01B11/00;G06K9/62;G06V10/774;G06V10/764;G06N3/04;G06N3/08
• 代理公司: 武漢臻誠專利代理事務(wù)所(普通合伙) 42233
• 代理人: 胡星馳

1.一種基于機(jī)器視覺的織物尺寸測量分布式系統(tǒng)，其特征在于，包括：用于存儲和訓(xùn)練織物測量模型的主服務(wù)器、以及一個或多個用于利用織物測量模型進(jìn)行各類型織物測量的終端；

所述主服務(wù)器，用于接收并存儲終端收集的織物測量訓(xùn)練數(shù)據(jù)、以及用于存儲并向終端提供經(jīng)訓(xùn)練的織物測量模型，所述織物測量訓(xùn)練數(shù)據(jù)用于訓(xùn)練所述織物測量模型；

所述終端，用于采集待測量織物圖像，并向所述主服務(wù)器請求最新的織物測量模型，進(jìn)而根據(jù)所述織物測量模型獲得所述待測量織物的類別、尺碼及尺寸數(shù)據(jù)，還用于收集并向所述主服務(wù)器提供織物測量訓(xùn)練數(shù)據(jù)；

所述織物測量訓(xùn)練數(shù)據(jù)，包括圖像的HOG特征值，圖像的HOG特征值對應(yīng)的織物類別、各類別織物的尺寸數(shù)據(jù)、以及具有不同尺寸數(shù)據(jù)的各類別織物的標(biāo)簽；

所述織物測量模型，包括織物分類器和標(biāo)簽分類器；所述織物分類器，用于根據(jù)圖像的HOG特征值確定圖像中織物的類別；對應(yīng)每一中織物類別，具有一種標(biāo)簽分類器，用于針對該織物類別的織物根據(jù)其尺寸數(shù)據(jù)獲得該織物的標(biāo)簽。

2.如權(quán)利要求1所述的基于機(jī)器視覺的織物尺寸測量分布式系統(tǒng)，其特征在于，當(dāng)具有多個終端時，所述多個終端獨立的進(jìn)行織物測量，并測量獲得的不同類別的織物數(shù)據(jù)，反饋匯總到所述主服務(wù)器進(jìn)行模型訓(xùn)練。

3.如權(quán)利要求1所述的基于機(jī)器視覺的織物尺寸測量分布式系統(tǒng)，其特征在于，所述終端包括圖像獲取模塊、圖像預(yù)處理模塊、HOG特征提取模塊、尺寸分析模塊、以及測量結(jié)果模塊；所述圖像獲取模塊，用于獲取特定成像條件下的織物圖像，包括測量區(qū)、攝像頭，所述待測量的織物平鋪于處于攝像頭正下方的測量區(qū)；所述圖像預(yù)處理模塊，對獲取的待測織物圖像進(jìn)行灰度化、降噪、邊緣檢測的處理，傳遞給所述HOG特征提取模塊；所述HOG特征提取模塊，用于提取圖像HOG特征，并向所述主服務(wù)器請求織物分類器進(jìn)行織物分類，還用于將提取的圖像HOG特征以及相應(yīng)織物分類結(jié)果反饋給所述主服務(wù)器、以及將織物分類結(jié)果提交給測量結(jié)果模塊；所述尺寸分析模塊用于根據(jù)織物尺寸自動測量方法測量該類別的織物的尺寸數(shù)據(jù)，并向所述主服務(wù)器請求標(biāo)簽分類器進(jìn)行標(biāo)簽分類，還用于將測量的織物的尺寸數(shù)據(jù)、以及相應(yīng)標(biāo)簽分類結(jié)果反饋給所述主服務(wù)器和測量結(jié)果模塊；所述測量結(jié)果模塊用于獲取、存儲并展示所述待測量織物的類別、標(biāo)簽以及尺寸數(shù)據(jù)。

4.一種基于機(jī)器視覺的織物尺寸測量方法，其特征在于，包括以下步驟：

（1）獲取狀態(tài)、以及成像條件下待測織物的圖像；

（2）對于步驟（1）中獲得的待測織物的圖像進(jìn)行灰度化、降噪處理、以及邊緣檢測，獲得處理后的織物圖像；

（3）對于步驟（2）中獲取的處理后的織物圖像，提取HOG特征并采用織物分類器對HOG特征進(jìn)行分類獲得織物類別；

（4）根據(jù)步驟（3）中獲得的織物類別以及步驟（2）中獲得的處理后的織物圖像，采用相應(yīng)織物尺寸自動測量方法，獲得待測織物的尺寸數(shù)據(jù)，并采用標(biāo)簽分類器進(jìn)行分類獲得所述織物的標(biāo)簽；

（5）將步驟（3）獲得的HOG特征、及相應(yīng)織物類別追加到織物分類器訓(xùn)練數(shù)據(jù)集中，并重新訓(xùn)練織物分類器獲得迭代更新后的織物分類器；將步驟（4）獲得的尺寸數(shù)據(jù)、及相應(yīng)標(biāo)簽追加到該織物類別的標(biāo)簽分類器訓(xùn)練數(shù)據(jù)集中，并重新訓(xùn)練獲得迭代更新后的標(biāo)簽分類器。

5.如權(quán)利要求4所述的基于機(jī)器視覺的織物尺寸測量方法，其特征在于，步驟（3）所述提取HOG特征具體為：

對于處理后的織物圖像，采用滑動窗沿梯度方向滑動，按照上下左右的順序依次獲得滑動窗口內(nèi)的四個單元內(nèi)的像素值大小，得到滑動窗口的梯度直方圖，采用指標(biāo)函數(shù)獲得HOG特征值。

6.如權(quán)利要求4所述的基于機(jī)器視覺的織物尺寸測量方法，其特征在于，步驟（3）所述織物分類器，采用支持向量機(jī)分類器，輸入為圖像HOG特征，輸出織物類別，初始模型為人工標(biāo)定數(shù)據(jù)訓(xùn)練獲得，更新訓(xùn)練的數(shù)據(jù)來源于終端進(jìn)行織物測量時收集的數(shù)據(jù)。

7.如權(quán)利要求6所述的基于機(jī)器視覺的織物尺寸測量方法，其特征在于，所述支持向量機(jī)分類器采用高斯內(nèi)核，利用SVM多分類方法，即一對多進(jìn)行訓(xùn)練，訓(xùn)練樣本和測試樣本采用自助法，直到找到最優(yōu)超平面停止訓(xùn)練。