[發明專利]一種基于單目無監督深度估計網絡的織物保形性檢測方法

在審

• 申請號: 202211091088.3
• 申請日: 2022-09-07
• 公開（公告）號: CN116309247A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 王蕾;郭栩源;張鵬飛;潘如如;高衛東
• 申請（專利權）人: 江南大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/50;G06N3/0464;G06N3/08
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 張勇

本發明涉及織物保形性檢測領域，具體涉及一種基于單目無監督深度估計網絡的織物保形性檢測方法。本發明通過單攝像頭對正處于恢復形變過程中的織物進行實時檢測，利用計算機視覺技術對檢測到的動態圖像加以處理分析，取代原始人工手動標記測量織物保形性，提高生產效率。通過計算機視覺技術獲取動態圖像的深度信息，根據所得深度信息準確提取待檢測織物運動前景，排除光照干擾等影響，提升織物保形性檢測準確性。

技術領域

本發明涉及織物保形性檢測領域，具體涉及一種基于單目無監督深度估計網絡的織物保形性檢測方法。

背景技術

在進行傳統織物保形性檢測時，常常采用傳統機器視覺進行追蹤檢測，而被檢測目標所處環境也極大影響檢測結果，這就使得當被檢測目標周圍存在其他運動干擾時，傳統檢測方法不能有效地識別以及區分待檢測動態目標和其他動態干擾物，也就無法保證所得動態監測結果的準確性；另外，當待檢測目標周圍光線發生變化時，傳統機器視覺檢測方法會錯誤地將部分增強光亮識別為運動目標，例如直接對視頻圖像進行幀差法等檢測方法時，會使得整個檢測過程變得難以預測，所得結果也不具備較好的參考價值。

深度估計網絡相關研究由來已久，早期常采用雙目或多目深度估計，使用兩張或多張不同拍攝角度照片求取深度，根據輸入圖像的視角變化來得到視差信息，聯合計算求取深度信息。隨著深度估計網絡研究的深入，目前已基本實現單目深度估計，近些年來，基于深度學習來實現單目深度估計已趨于成熟，目前深度估計網絡從像素級別的分類任務角度入手借以取代原始線性回歸問題，同時無監督框架的加入可以使得網絡在訓練過程中避免過度依賴真實的深度值數據樣本，從而提高模型在新場景的泛化能力，同時去除人工對數據集進行真實深度值標記的繁瑣工作，提高生產力。

發明內容

基于以上內容，本發明提供一種基于單目無監督深度估計網絡的織物保形性檢測方法，本發明的目的在于提供魯棒性更強的織物保形性檢測方法。

為達到上述目的，本發明采用以下技術方案，其織物保形性檢測方法步驟包括：

一種基于單目無監督深度估計網絡的織物保形性檢測方法，步驟如下：

第一步：搭建暗室，在暗室內搭建穩定光源，使光源位于單目攝像機后方，照射方向由后往前；使用機械力臂抬起織物并夾緊，設置擠壓時間為60s，固定單目攝像頭正對織物側面，用于拍攝力臂松開時織物下墜并恢復的整個過程。

第二步，將單目攝像機連入計算機，對所的圖像進行計算機視覺處理，本發明為獲得準確運動目標信息搭建GhostNet網絡結構，該網絡編碼網絡使用正常卷積運算處理之后，再利用cheapoperation將少通道特征圖轉化為多通道特征圖，將多特征圖concat一起之后形成新的輸出使用。

使用Ghost模塊升級普通卷積的理論加速比為：

其中，k′和v′分別為輸出數據的高度和寬度，h²為卷積核內核大小，m為卷積核數量，c為通道數，x²為每個線性運算的平均內核大小，e為每個原始特征圖經過廉價線性變換后獲得的Ghost特征圖數量。

為了縮短解碼網絡推理時間，本發明使用立方卷積插值，使用立方卷積插值不僅考慮到周圍四個相鄰像素點灰度值的影響，還考慮到他們灰度值變化率的影響，使得處理后的圖像損失最少，灰度值更精確，以便于后續二值化操作。具體操作為：

G(m+w,n+v)＝A·B·C

A＝(S(1+w)S(w)S(1-w)S(2-w))

G()就是插值后對應坐標的值，(m+w,n+v)為目標圖像像素點映射到原圖像素點格式，它由三部分A，B，C相乘而得到。

公式可以簡寫為：