[發明專利]基于深度學習的實時布匹缺陷檢測方法及系統

有效

• 申請號: 202110334060.7
• 申請日: 2021-03-29
• 公開（公告）號: CN112802016B
• 公開（公告）日: 2023-08-08
• 發明（設計）人: 張勇;顏庚瀟;趙東寧;廉德亮;梁長垠;曾慶好;何欽煜
• 申請（專利權）人: 深圳大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06F18/20;G06V10/82;G06N3/0464;G06N3/084
• 代理公司: 深圳市壹壹壹知識產權代理事務所(普通合伙) 44521
• 代理人: 阮帆

本發明實施例公開了一種基于深度學習的實時布匹缺陷檢測方法及系統，所述方法包括：步驟1：采集不同種類布匹缺陷圖像，構建缺陷數據集；步驟2：先進行數據擴充，再使用生成對抗網絡進行數據擴充；步驟3：對擴充后的缺陷數據集進行標注處理；步驟4：構建深度學習目標檢測網絡進行布匹缺陷檢測；步驟5：訓練布匹缺陷檢測網絡；步驟6：利用攝像機對布匹進行實時圖像抓取，將抓取的圖像輸入到訓練好的布匹缺陷檢測網絡中判斷圖中是否存在缺陷并確定缺陷類別，定位缺陷，最后將結果保存到輸出文件中。本發明能夠省去人工設計特征，提高缺陷檢測系統魯棒性，且大幅提升檢測性能，并且能夠解放人力，進一步提高紡織業智能化程度。

技術領域

本發明涉及布匹缺陷檢測技術領域，尤其涉及一種基于深度學習的實時布匹缺陷檢測方法及系統。

背景技術

在布匹生產中，布匹的質量是重中之重，不僅和人們的生活息息相關，還直接影響到產業發展，攸關企業生命。目前在紡織服裝生產企業主要通過專業的布匹檢驗人員站在驗布設備前，通過肉眼發現布面疵點再進行疵點的標記或者記錄。但依靠人工驗布存在很多問題——缺陷檢出率低、招工難且人員成本高，并且驗布員注意力無法持續維持，驗布速度較慢，若驗布時間過長，驗布工會產生疲勞，檢測效率就會大打折扣，很不穩定。因此利用計算機來幫助人類進行缺陷檢測已經是大勢所趨，人們將布匹圖拍下來輸入到計算機中，讓計算機根據一些圖像處理算法來進行缺陷檢測，然而，傳統圖像處理一般都需要針對不同的場景來手工設計特征，因此魯棒性不夠，往往換一種場景，效果就會變差，檢測速度也不理想，并且布匹缺陷種類往往較多，很難進行手工設計缺陷特征。

依靠深度學習進行缺陷檢測能取得較好的檢測效果，但其需要大量的數據樣本作為基礎，如果數據量不夠，往往效果不是很理想，而在實際生產中，帶缺陷的數據樣本往往較少，無法給深度模型帶來很好效果。

發明內容

本發明實施例所要解決的技術問題在于，提供一種基于深度學習的實時布匹缺陷檢測方法及系統，以實現在保證檢測精度的同時盡可能提高檢測速度，提高自動布匹缺陷檢測機器的工作效率以解放人力，提升紡織業的智能化程度。

為了解決上述技術問題，本發明實施例提出了一種基于深度學習的實時布匹缺陷檢測方法，包括：

步驟1：采集不同種類布匹缺陷圖像，構建缺陷數據集；

步驟2：先對缺陷數據集的圖像進行數據擴充，再使用生成對抗網絡對缺陷數據集進行數據擴充；

步驟3：對擴充后的缺陷數據集進行標注處理；

步驟4：構建深度學習目標檢測網絡進行布匹缺陷檢測；

步驟5：訓練布匹缺陷檢測網絡；

步驟6：利用攝像機對布匹進行實時圖像抓取，將抓取的圖像輸入到訓練好的布匹缺陷檢測網絡中判斷圖中是否存在缺陷并確定缺陷類別，定位缺陷，最后將結果保存到輸出文件中。

進一步地，步驟1中，布匹缺陷種類分為正常、黑點、劃痕、孔、油漬、毛斑、破邊、缺經、缺緯、吊弓中的一種或多種，并將采集的圖像的比例切割成512*512大小進行分類。

進一步地，步驟2中，生成對抗網絡由一個生成器G和一個判別器D構成，生成器G接收一個正常的布匹圖像z，然后生成帶有指定缺陷的圖像G(z)，再經過判別器D判斷圖像是否屬于原始數據集，得到D(G(z))，生成對抗網絡的優化公式為：