[發明專利]布料缺陷檢測方法、設備和介質

有效

• 申請號: 202011110696.5
• 申請日: 2020-10-16
• 公開（公告）號: CN112200790B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 程潔;茅心悅;胡曉偉;陳成才
• 申請（專利權）人: 鯨斛（上海）智能科技有限公司;上海智臻智能網絡科技股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G01N21/898;G06N3/04;G06N3/08
• 代理公司: 北京布瑞知識產權代理有限公司 11505
• 代理人: 孟潭

本發明實施例提供一種布料缺陷檢測方法、設備和介質，所述檢測方法包括：獲得檢測布料圖片；對所述檢測布料圖片進行第一卷積神經網絡處理，獲得空間特征數據；對所述檢測布料圖片進行第二卷積神經網絡處理，獲得細節特征數據，所述第二卷積神經網絡比第一卷積神經網絡的層次淺，所述第二卷積神經網絡比第一卷積神經網絡的通道寬；融合所述空間特征數據和所述細節特征數據，獲得圖片數據；基于所述圖片數據，判斷布料的缺陷信息。本發明實施例可以提高檢測精度。

技術領域

本發明實施例涉及圖像識別技術領域，尤其涉及一種檢測方法、設備和介質。

背景技術

織物材料加工過程中，容易在布料表面形成一定的瑕疵。參考圖1和圖2，分別示出了兩種帶有瑕疵的布料示意圖。圖1中布料表面上有一條較長的拼縫瑕疵10。圖2中布料表面有一個不太明顯的污點瑕疵20。

現有技術會對織物材料加工程序中布料進行圖像采集，獲得輸入圖像，之后針對輸入圖像進行分析以實現瑕疵檢驗。但是現有的瑕疵檢測存在精度不夠的問題。具體地說，圖2中的矩形框30為現有檢測方法輸出的瑕疵檢測結果，然而布料上的污點瑕疵20并沒有位于矩形框30的范圍內，也就是說，所述方法并沒有準確地把污點瑕疵20檢測到。

發明內容

本發明解決的問題是提供一種檢測方法、設備和介質，提高檢測精度。

本發明技術方案提供一種布料缺陷檢測方法，包括：獲得檢測布料圖片；對所述檢測布料圖片進行第一卷積神經網絡處理，獲得空間特征數據；對所述檢測布料圖片進行第二卷積神經網絡處理，獲得細節特征數據，所述第二卷積神經網絡比第一卷積神經網絡的層次淺，所述第二卷積神經網絡比第一卷積神經網絡的通道寬；融合所述空間特征數據和所述細節特征數據，獲得圖片數據；基于所述圖片數據，判斷布料的缺陷信息。

可選地，融合所述空間特征數據和所述細節特征數據，獲得圖片數據的步驟包括：基于一預設權重融合所述空間特征數據和所述細節特征數據，獲得圖片數據。

可選地，在獲得檢測布料圖片之前，所述布料缺陷檢測方法還包括：建模步驟，包括：獲得樣本圖片；對所述樣本圖片進行所述第一卷積神經網絡處理，獲得樣本空間特征數據；對所述樣本圖片進行所述第二卷積神經網絡處理，獲得樣本細節特征數據；基于初始權重，融合所述樣本空間特征數據和樣本細節特征數據，獲得樣本圖片數據，完成一次訓練；通過多次訓練不斷調整所述初始權重，在所述樣本圖片數據的損失符合規格值時，以調整后的權重作為預設權重。

可選地，所述獲得檢測布料圖片的步驟包括：獲得原始圖片；對所述原始圖片進行等量切割，獲得多個檢測布料圖片；基于所述圖片數據，判斷檢測布料圖片上的缺陷信息的步驟包括：對多個檢測布料圖片對應的圖片數據進行合并，基于合并后的數據判斷缺陷的位置和/或種類。

可選地，所述第二卷積神經網絡包括VGG網絡，所述第一卷積神經網絡包括MobileNet?V2網絡；或者，所述第一卷積神經網絡包括Mobilenet?V2網絡，以及，特征圖像金字塔，用于對Mobilenet?V2網絡輸出的數據進行處理；或者，所述第一卷積神經網絡包括ResNet?50網絡、特征圖像金字塔和全卷積網絡。

相應的，本發明實施例還提供一種布料缺陷檢測數據處理方法，包括：根據上述任意一項檢測方法獲取布料的缺陷信息；根據至少所述缺陷信息，確定缺陷處理方式。

可選地，當缺陷信息包括缺陷位置時，根據所述缺陷位置信息計算相鄰兩缺陷參考線之間的距離；根據預設條件確定斷料區域，所述預設規則為將所述距離小于預設閾值且連續的缺陷組合形成的區域作為斷料區域；分別獲取每一所述斷料區域和所述斷料區域以外的每一孤立缺陷的邊緣參考線；根據所述邊緣參考線確定所述布料的斷料位置信息。

相應地，本發明實施例還提供一種介質，其上存儲有計算機指令，所述計算機指令運行本發明實施例所述方法的步驟。