基于深度神经网络的纺织面料的绒毛检测方法技术

本申请公开了一种基于深度神经网络的纺织面料的绒毛检测方法，其包括：获取待检测的纺织面料图像，所述待检测的纺织面料为正在生产中的纺织面料；计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图；将所述纹理差分特征图输入卷积神经网络以获得第一特征图；将所述第一特征图按照不同的尺度被均分为多个图像块，其中，不同尺度的图像块的数量之和等于全连接层的输入端的节点数；以及，将所述多个图像块通过所述全连接层和分类函数以获得分类结果，所述分类结果用于表示所述待检测的纺织面料的绒毛数量是否满足预设要求。

【技术实现步骤摘要】
基于深度神经网络的纺织面料的绒毛检测方法
本专利技术涉及深度学习和神经网络
，且更为具体地，涉及一种基于深度神经网络的纺织面料的绒毛检测方法、检测系统和电子设备。
技术介绍
纺织面料有纬编针织面料和经编针织面料两类。作为服装三要素之一，纺织面料不仅可以诠释服装的风格和特性，而且直接左右着服装的色彩、造型的表现效果。纺织机在生产纺织品时，不可避免的纺织品上会带有大量的毛料、丝绒等杂物，这些杂物如果不及时处理的话会影响纺织品的质量，在之后的加工上也会给工人带来困扰。目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。深度学习以及神经网络的发展为纺织面料的绒毛检测问题提供了新的解决思路和方案。
技术实现思路
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于深度神经网络的纺织面料的绒毛检测方法、检测系统和电子设备，其通过基于深度学习的计算机视觉技术来从纺织面料的图像中检测绒毛的密度，首先通过以检测合格的纺织物图像作为参考来去除纺织面料图像中纺织面料自身图案对绒毛检测带来的不良影响，接着，不计算目标对象的绝对密度，而是通过图像的不同大小的区域内目标对象的相对密度来进行绒毛检测，从而对纺织面料是否需要绒毛清理进行有效监控。根据本申请的一个方面，提供了基于深度神经网络的纺织面料的绒毛检测方法，其包括：获取待检测的纺织面料图像，所述待检测的纺织面料为正在生产中的纺织面料；计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图；将所述纹理差分特征图输入卷积神经网络以获得第一特征图；将所述第一特征图按照不同的尺度被均分为多个图像块，其中，不同尺度的图像块的数量之和等于全连接层的输入端的节点数；以及将所述多个图像块通过所述全连接层和分类函数以获得分类结果，所述分类结果用于表示所述待检测的纺织面料的绒毛数量是否满足预设要求。在上述基于深度神经网络的纺织面料的绒毛检测方法中，计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图，包括：提取所述待检测的纺织面料图像中的纹理特征以获得第一纹理特征图；以及，计算所述第一纹理特征图和从所述经检测合格的纺织面料的图像提取出的第二纹理特征图之间的按像素位置差分以获得所述纹理差分特征图。在上述基于深度神经网络的纺织面料的绒毛检测方法中，计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图，包括：将所述待检测的纺织面料图像与经检测合格的纺织面料的图像通过多层卷积层，以获得第一纹理特征图和第二纹理特征图；以及，计算所述第一纹理特征图和所述第二纹理特征图之间的按像素位置差分以获得所述纹理差分特征图。在上述基于深度神经网络的纺织面料的绒毛检测方法中，将所述第一特征图按照不同的尺度被均分为多个图像块，包括：基于全连接层的输入端的节点数确定所述第一特征图的尺度划分机制；以及，基于所述尺度划分机制将所述第一特征图按照不同的尺度均分为多个图像块。在上述基于深度神经网络的纺织面料的绒毛检测方法中，将所述多个图像块通过所述全连接层和分类函数以获得分类结果，包括：对所述多个图像块中每个图像块进行全局平均值池化以生成一个值；将所述多个图像块分别生成的一个值按所述多个图像块的顺序排列以获得多尺度特征向量；以及，将所述多尺度特征向量输入所述全连接层和分类函数以获得分类结果。在上述基于深度神经网络的纺织面料的绒毛检测方法中，将所述多个图像块通过所述全连接层和分类函数以获得分类结果，包括：对所述多个图像块中每个图像块进行全局最大值池化以生成一个值；将所述多个图像块分别生成的一个值按划分尺度的顺序进行排列以获得多尺度特征向量；以及，将所述多尺度特征向量输入所述全连接层和分类函数以获得分类结果。根据本申请的又一方面，提供了一种基于深度神经网络的纺织面料的绒毛检测系统，其包括：图像获取单元，用于获取待检测的纺织面料图像，所述待检测的纺织面料为正在生产中的纺织面料；纹理差分特征图生成单元，用于计算所述图像获取单元获得的所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分以获得纹理差分特征图；第一特征图生成单元，用于将所述纹理差分特征图生成单元获得的所述纹理差分特征图输入卷积神经网络以获得第一特征图；图像块划分单元，用于将所述第一特征图生成单元获得的所述第一特征图按照不同的尺度均分为多个图像块，其中，不同尺度的图像块的数量之和等于全连接层的输入端的节点数；以及分类结果生成单元，用于将所述图像块划分单元获得的所述多个图像块通过所述全连接层和分类函数以获得分类结果，所述分类结果用于表示所述待检测的纺织面料的绒毛数量是否满足预设要求。在上述基于深度神经网络的纺织面料的绒毛检测系统中，所述纹理差分特征图生成单元，包括：第一纹理特征图提取子单元，用于提取所述待检测的纺织面料图像中的纹理特征以获得第一纹理特征图；以及，差分计算子单元，用于计算所述第一纹理特征图和从所述经检测合格的纺织面料的图像提取出的第二纹理特征图之间的按像素位置差分以获得所述纹理差分特征图。在上述基于深度神经网络的纺织面料的绒毛检测系统中，所述纹理差分特征图生成单元，包括：纹理特征图获取子单元，用于将所述待检测的纺织面料图像与经检测合格的纺织面料的图像通过多层卷积层，以获得第一纹理特征图和第二纹理特征图；以及，按位置差分子单元，用于计算所述第一纹理特征图和所述第二纹理特征图之间的按像素位置差分以获得所述纹理差分特征图。在上述基于深度神经网络的纺织面料的绒毛检测系统中，所述图像块划分单元，进一步用于：基于全连接层的输入端的节点数确定所述第一特征图的尺度划分机制；以及，基于所述尺度划分机制将所述第一特征图按照不同的尺度均分为多个图像块。在上述基于深度神经网络的纺织面料的绒毛检测系统中，所述分类结果生成单元，包括：平均值池化子单元，用于对所述多个图像块中每个图像块进行全局最大值池化以生成一个值；第一多尺度特征向量获取子单元，用于将所述多个图像块分别生成的一个值按划分尺度的顺序进行排列以获得多尺度特征向量；以及，第一分类子单元，用于将所述多尺度特征向量输入所述全连接层和分类函数以获得分类结果。在上述基于深度神经网络的纺织面料的绒毛检测系统中，所述分类结果生成单元，包括：最大值池化子单元，用于对所述多个图像块中每个图像块进行全局最大值池化以生成一个值；第二多尺度特征向量获取子单元，用于将所述多个图像块分别生成的一个值按划分尺度的顺序进行排列以获得多尺度特征向量；以及，第二分类子单元，用于将所述多尺度特征向量输入所述全连接层和分类函数以获得分类结果。根据本申请的再一方面，提供了一种电子设备，包括：处理本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的纺织面料的绒毛检测方法，其特征在于，包括：/n获取待检测的纺织面料图像，所述待检测的纺织面料为正在生产中的纺织面料；/n计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图；/n将所述纹理差分特征图输入卷积神经网络以获得第一特征图；/n将所述第一特征图按照不同的尺度被均分为多个图像块，其中，不同尺度的图像块的数量之和等于全连接层的输入端的节点数；以及/n将所述多个图像块通过所述全连接层和分类函数以获得分类结果，所述分类结果用于表示所述待检测的纺织面料的绒毛数量是否满足预设要求。/n

【技术特征摘要】
1.一种基于深度神经网络的纺织面料的绒毛检测方法，其特征在于，包括：
获取待检测的纺织面料图像，所述待检测的纺织面料为正在生产中的纺织面料；
计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图；
将所述纹理差分特征图输入卷积神经网络以获得第一特征图；
将所述第一特征图按照不同的尺度被均分为多个图像块，其中，不同尺度的图像块的数量之和等于全连接层的输入端的节点数；以及
将所述多个图像块通过所述全连接层和分类函数以获得分类结果，所述分类结果用于表示所述待检测的纺织面料的绒毛数量是否满足预设要求。


2.根据权利要求1所述的基于深度神经网络的纺织面料的绒毛检测方法，其中，其中，计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图，包括：
提取所述待检测的纺织面料图像中的纹理特征以获得第一纹理特征图；
计算所述第一纹理特征图和从所述经检测合格的纺织面料的图像提取出的第二纹理特征图之间的按像素位置差分以获得所述纹理差分特征图。


3.根据权利要求1所述的基于深度神经网络的纺织面料的绒毛检测方法，其中，计算所述待检测的纺织面料图像与经检测合格的纺织面料的图像之间的在纹理层面的差分，以获得纹理差分特征图，包括：
将所述待检测的纺织面料图像与经检测合格的纺织面料的图像通过多层卷积层，以获得第一纹理特征图和第二纹理特征图；以及
计算所述第一纹理特征图和所述第二纹理特征图之间的按像素位置差分以获得所述纹理差分特征图。


4.根据权利要求1所述基于深度神经网络的纺织面料的绒毛检测方法，其中，将所述第一特征图按照不同的尺度被均分为多个图像块，包括：
基于全连接层的输入端的节点数确定所述第一特征图的尺度划分机制；
基于所述尺度划分机制将所述第一特征图按照不同的尺度均分为多个图像块。


5.根据权利要求1所述的基于深度神经网络的纺织面料的绒毛检测方法，其中，将所述多个图像块通过所述全连接层和分类函数以获得分类结果，包括：
对所述多个图像块中每个图像块进行全局平均值池化以生成一个值；
将所述多个图像块分别生成的一个值按所述多个图像块的顺序排列以获得多尺度特征向量；以及
将所述多尺度特征向量输入所述全连接层和分类函数以获得分类结果。


6.根据权利要求1所述的基于深度神经网络的...

【专利技术属性】
技术研发人员：郑稹斌，
申请(专利权)人：中山紫菜网络科技有限公司，
类型：发明
国别省市：广东;44