[發明專利]一種印花織物疵點檢測方法

在審

• 申請號: 202010580937.6
• 申請日: 2020-06-23
• 公開（公告）號: CN111861996A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 張緩緩;馬金秀;景軍鋒;李鵬飛;蘇澤斌
• 申請（專利權）人: 西安工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T3/40;G06T5/00
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 寧文濤

本發明公開了一種印花織物疵點檢測方法，首先將待檢測的印花織物疵點圖像縮放，然后將縮放后的印花織物疵點圖像做顯著性檢測，得到印花織物疵點顯著性圖像；將得到的印花織物疵點顯著性圖像進行大津閾值二值化處理；處理后的二值圖作為mask掩碼圖，確定待修復區域，然后利用Criminisi算法修復原印花缺陷樣本，得到修復的印花圖；最后將得到的修復的印花圖與原印花圖做減法，得到差別圖；本發明的一種印花織物疵點檢測方法能對印花織物復雜的背景紋理做到抑制作用，并能做到有效準確的檢測疵點。

技術領域

本發明屬于紡織疵點檢測方法技術領域，具體涉及一種印花織物疵點檢測方法。

背景技術

印花織物作為附加值較高的織物，在服裝制衣、高端家紡制品及家居裝飾品中的應用廣泛，但在花型印制的過程中，由于機械故障、人工操作失誤以及生產環境干擾等因素，不可避免地會產生瑕疵，而瑕疵的存在直接影響了印花織物的質量及價格，因此對其瑕疵進行檢測尤為重要。然而印花織物材質多樣、紋理結構復雜、顏色多變、花型繁多，瑕疵特征難以有效表征，極大的增加了計算機瑕疵識別難度。

近年來，隨著機器學習、圖像處理與模式識別在紡織品工業質量控制方面的廣泛應用，吸引了不少國內外學者對織物瑕疵檢測問題的關注。周君等基于S-YOLOV3模型對白坯布和不同紋理織物的各類疵點進行實時檢測，準確率與實時性均能滿足實際工業需求。王澤霞等基于改進卷積神經網絡對化纖絲餅表面進行缺陷識別，主要在學習過程中提出一種主動學習方法來標記化纖絲餅。OuYang等提出了一種基于激活層嵌入卷積神經網絡(Convolutional Neural Networks，CNN)的織物缺陷檢測方法，利用引入的新雙電位激活層，針對具有復雜特征的坯布織物進行高精度的缺陷分割。Kang等將積分圖像的思想集成到Elo分級算法中，對原料布、色織布和提花布三種面料的織物進行缺陷區域的檢測，實現了較高的檢測率。朱浩等提出了一種多紋理分級融合的織物缺陷檢測算法，通過特征融合，增強對坯布織物缺陷的表達優勢，降低漏檢和誤檢情況的發生。

可以看出，針對無紡布、白坯布和玻璃纖維織物等面料紋理結構相對簡單的織物瑕疵的研究取得的成果較多，但是針對具有復雜紋理和花型特性的印花織物缺陷檢測問題方面的研究較少。潘如如等提出了一種基于互相關的印花織物疵點檢測方法，該方法僅能實現印花織物的花紋偏移、顏色色差等疵點的自動檢測，且這些印花花紋的疵點都來自于軟件模擬，并沒有對實際的印花織物進行驗證；Kuo等提出了一種基于RGB累計均值法的印花織物疵點檢測方法，該方法可以對斷經、斷緯等疵點進行檢測，但RGB空間計算量大，對硬件要求較高且檢測對象是周期性印花織物，并未對非周期印花織物進行探討；景軍鋒等提出采用曲線匹配算法對織物圖像進行分割，完成圓網印花過程中對花誤差的檢測，但是在檢測過程中必須以標準圖像進行對比匹配，否則無法完成疵點的識別；付騫提出基于Gabor濾波器和規則帶的印花織物疵點檢測方法，該方法僅適用于周期性印花疵點的檢測，且對噪聲較為敏感；李敏等等使用高斯混合模型完成了對印花織物錯花、色差以及花型歪斜等缺陷的檢測，但該方法的檢測目標仍然是周期性印花織物，且需要正樣本的對比匹配；任歡歡等等提出的一種基于黃金圖像減法與傅里葉變換位移定理曲線匹配算法相結合的方法，實現了周期性印花織物的錯花缺陷檢測。值得注意的是，這些方法目前解決的問題多是周期性印花織物，疵點主要集中在錯花、對花等方面，而且需要無疵圖作為正樣本參考匹配，參數調節繁瑣。

發明內容

本發明的目的是提供一種印花織物疵點檢測方法，能夠對印花織物復雜的背景紋理做到抑制作用，并能做到有效準確的檢測疵點。

本發明所采用的技術方案是，一種印花織物疵點檢測方法，具體按以下步驟實施：

步驟1，將待檢測的印花織物疵點圖像縮放，然后將縮放后的印花織物疵點圖像做顯著性檢測，得到印花織物疵點顯著性圖像；

步驟2，對經步驟1后得到的印花織物疵點顯著性圖像進行大津閾值二值化處理；