[發明專利]一種基于粒子群算法及二維數字濾波的織物缺陷檢測方法

有效

• 申請號: 202011123806.1
• 申請日: 2020-10-20
• 公開（公告）號: CN112001919B
• 公開（公告）日: 2021-01-22
• 發明（設計）人: 李小剛;林蘇奔;陳景云;伏建友;黃豪馳;邵正鵬;顧王林
• 申請（專利權）人: 領偉創新智能系統（浙江）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T5/00;G06N3/00
• 代理公司: 杭州萬合知識產權代理事務所(特殊普通合伙) 33294
• 代理人: 余冬

本發明公開了一種基于粒子群算法及二維數字濾波的織物缺陷檢測方法，對原始無缺陷織物圖像添加人為缺陷特征，建立含有人為缺陷的人為缺陷織物圖像；通過二維數字濾波器分別對原始無缺陷織物圖像和人為缺陷織物圖像進行高通濾波；隨后使用粒子群算法對二維數字濾波器系數進行優化，找到其最優解；對于待檢測的任一測試圖像，首先使用高通濾波參數進行濾波，其次使用系數優化后二維數字濾波器對圖像進行濾波處理計算其特征值；進行缺陷特征判定；若特征值大于預定的缺陷閾值，則該像素點為缺陷特征。本發明僅需一個正樣本即可完成濾波器參數的優化，無需缺陷樣本即可實現織物缺陷的檢測，具有極高的實用價值。

技術領域

本發明涉及產品表面質量檢測技術領域，特別涉及一種基于粒子群算法及二維數字濾波的織物缺陷檢測方法。

背景技術

紡織品質量的好壞直接關系到企業的聲譽和經濟效益。據統計，缺陷過多甚至會使產品的價值下降45%～60%。傳統的織物缺陷檢測依賴于人工肉眼檢查,該方式已無法適應織物表面缺陷的高速和精確自動化檢測的趨勢。隨著視覺傳感技術的飛速發展，目前使用機器視覺技術對織物表面進行缺陷檢測已經成為主流趨勢。目前，對織物缺陷檢測算法的研究主要可分為基于傳統圖像處理算法的織物缺陷檢測、基于傳統機器學習算法的織物缺陷檢測研究和基于大數據集的深度學習算法的織物缺陷檢測等三類。然而，算法魯棒性和海量樣本依然是限制其廣泛應用的瓶頸。

發明內容

本發明的目的在于，提供一種基于粒子群算法及二維數字濾波的織物缺陷檢測方法。本發明無需缺陷樣本即可實現織物缺陷的檢測。

本發明的技術方案：一種基于粒子群算法及二維數字濾波的織物缺陷檢測方法，包括以下步驟：

S1：對原始無缺陷織物圖像添加人為缺陷特征，建立含有人為缺陷的人為缺陷織物圖像；

S2：通過二維數字濾波器分別對原始無缺陷織物圖像和人為缺陷織物圖像進行高通濾波；

S3：隨后使用粒子群算法對二維數字濾波器系數進行優化，找到其最優解；所述的粒子群算法優化二維數字濾波器系數的算法為：

其中，表示使目標函數取最小值時的變量值，為取絕對值符號，表示卷積運算，為高通濾波處理后的人為缺陷織物圖像，為二維數字濾波器，為高通濾波處理后的原始無缺陷織物圖像；

S4：對于待檢測的任一測試圖像，首先使用S2步驟中同樣的高通濾波參數進行濾波，其次使用S3步驟中系數優化后二維數字濾波器對測試圖像進行濾波處理，在計算其特征值；

S5：進行缺陷特征判定；若特征值大于預定的缺陷閾值，則該像素點為缺陷特征。

前述的基于粒子群算法及二維數字濾波的織物缺陷檢測方法中，所述的步驟S1中, 人為缺陷織物圖像的建立算法為：

其中為原始織物表面圖像，為人為缺陷特征，為所建立的含有人為缺陷的人為缺陷織物圖像。

前述的基于粒子群算法及二維數字濾波的織物缺陷檢測方法中，所述的步驟S5中,所述的缺陷特征判定算法為：

其中，為當前像素點的缺陷判斷結果，1表示當前像素點為缺陷位置，0表示當前像素點不含有缺陷信息，和為分別為圖像行列數，為當前像素點對應的基尼系數，為預設的缺陷閾值。

與現有技術相比，本發明具有以下優點：