一种基于能量残差分布的织物瑕疵检测方法、系统及检测终端技术方案

本发明专利技术提供一种基于能量残差分布的织物瑕疵检测方法、系统及检测终端，基于多核Gabor滤波器提取织物特征；基于能量残差分布将织物特征进行融合；基于信噪比设计出适应度函数；基于信噪比的融合结果评价指标和参数优化。本发明专利技术只需要借助少量标注的瑕疵图片，通过优化融合结果的平均信噪比，计算得到较优的算法参数，进一步提升算法的效果。实验证明本文算法对于不同类型的瑕疵都具有较好的检测效果和定位效果，特别是对于较小的色点瑕疵和较不明显的脏污瑕疵有更好的表现。显的脏污瑕疵有更好的表现。显的脏污瑕疵有更好的表现。

【技术实现步骤摘要】
一种基于能量残差分布的织物瑕疵检测方法、系统及检测终端


[0001]本专利技术涉及织物瑕疵检测
，尤其涉及一种基于能量残差分布的织物瑕疵检测方法、系统及检测终端。

技术介绍

[0002]织物是由细小柔长物通过交叉，绕结，连接构成的平软片块物。织物在生产过程中，由于机器故障、纤维和纱线的质量问题、织造工艺等原因容易造成织物表面出现疵点。因此，织物瑕疵检测是纺织品质量控制与检验环节中极其重要的一环。然而，传统的人工瑕疵检测方法无法保证检测效率和精度。研究表明，人工检测的速度一般在15
‑
20米/分，且最多更够检测出60％
‑
70％的瑕疵。这导致人工检测效率低，检测质量不高。
[0003]现有技术中也有采用自动化检测方式，比如申请号CN202110762582.7，具体公开了一种织物瑕疵检测方法，该方案包括织物图像采集机构及电控制器，织物设置信息存贮单元，在织物图像采集机构的进布侧或出布侧或在织物图像采集机构处设置用于读取信息存贮单元织物信息的信息读取机构，信息读取机构、织物图像采集机构与电控制器连接，该方案的检测步骤为：(a)信息读取机构读取织物分类信息；(b)织物图像采集机构采集织物图像；(c)根据获取的织物分类，电控制器调取与该织物分类匹配的运算处理模板，将采集的织物图像进行运算处理，对织物瑕疵进行检测。
[0004]从该方案的检测方式来讲，在面对形态较小或较不明显的瑕疵时，无法保证检测准确性以及瑕疵定位的精准性，而且该方案仅仅是对织物分类匹配来进行检测，如遇到无法匹配的情况，将影响检测过程的实现。该方案也未能基于全角度和尺度下的特征提取和计算，无法进行有效的进行融合，降低了检测精度。

技术实现思路

[0005]本专利技术提供一种基于能量残差分布的织物瑕疵检测方法，方法解决无法基于全角度和尺度下的特征提取和计算，无法进行有效的进行融合，降低了检测精度的问题。
[0006]方法包括：
[0007]步骤1：基于多核Gabor滤波器提取织物特征；
[0008]步骤2：基于能量残差分布将织物特征进行融合；
[0009]步骤3：基于信噪比设计出适应度函数；
[0010]步骤4：基于信噪比的融合结果评价函数计算出构成瑕疵集中所有图像的平均信噪比SNR(X)；
[0011]定义如下优化公式，其中M和N为整数；
[0012][0013]s.t.M，N∈[2，10]；γ∈[0.1，1.0]；α，β∈[1，10][0014]再基于遗传算法进行参数优化。
[0015]进一步需要说明的是，步骤1中还包括构建Gabor滤波器组；
[0016]具体包括如下步骤：
[0017]构建实Gabor卷积核组F
*
，设置σ
x
＝σ
y
＝σ＝γ
·
λ，其中γ为标准差调节参数；
[0018]将Gabor滤波器组的角度和尺度的范围设置在θ∈[0,π],λ∈[λ
min
,λ
max
]；
[0019]F
*
＝{f
θ,λ
|θ∈[0,π],λ∈[λ
min
,λ
max
]}
[0020][0021]将方向和尺度的取值限制范围为：λ
min
＝4,λ
max
＝64；
[0022]分别对方向参数θ和尺度参数λ进行网格化，得到数量为M
×
N的Gabor滤波器，记为并组成了分辨率为M
×
N的滤波器组F；；
[0023][0024]其中，
[0025][0026]i∈[1,M],j∈[1,N]。
[0027]进一步需要说明的是，步骤1中还包括提取Gabor特征；；
[0028]用G表示待检测图像，T表示模板图像，即与待检测图像相同纹理背景的无瑕疵图像；使用构建好的滤波器组F，分别提取待检测图像G和模板图像T在不同方向和尺度下的Gabor特征，以抑制背景纹理，突显瑕疵区域，得到对应的Gabor滤波图像G
i,j
和T
i,j
；
[0029]其中*表示卷积运算；滤波图像G
i,j
和T
i,j
的计算方式为：
[0030][0031][0032]进一步需要说明的是，步骤2还包括：获取能量残差图组，计算能量残差大小，根据能量残差大小得到不同角度和不同尺度下Gabor滤波器的能量权重，再根据能量权重融合不同通道下的Gabor特征。
[0033]进一步需要说明的是，获取能量残差图组方式包括：
[0034]根据滤波的性质，将G
i,j
和T
i,j
看作是待检测图像G和模板图像T，在角度为θ
i
，尺度为λ
j
频谱上的能量，得到不同角度、不同尺度待检测图和模板图像之间的能量残差图R
i,j
；
[0035][0036]其中，s(G
i,j
)和s(T
i,j
)分别表示滤波图像G
i,j
和T
i,j
的标准差；
[0037]计算能量残差大小方式包括：
[0038]使用最大值与均值的比值作为能量残差的大小来评估在能量残差图上瑕疵显著性，并记为最大均值比(MMR)；
[0039][0040]进一步需要说明的是，计算能量权重方式包括：
[0041]根据MMR计算不同通道的权重；
[0042]能量残差大小矩阵MMR
i,j
重新映射到
[0043]通过非线性归一化的方法计算权重
[0044][0045][0046][0047]Gabor特征融合是通过动态阈值分割方法进行优化，根据权重融合各通道下能量残差图，融合结果表示为S。
[0048]进一步需要说明的是，步骤3还包括：设置Gabor滤波器组的分辨率M和N、标准差调节系数γ、重映射参数α和β；以上5个参数构成了如下式所示的参数集，记为X；
[0049]X＝[M，N，γ，α，β][0050]定义训练数据集；随机选取有限数量的瑕疵图像及对应的模板图像，分别构成瑕疵集和模板集将每张瑕疵图像进行逐一标注，生成标注集构成了训练集
[0051]其中，瑕疵集包含K张缺陷图像(G
i
)，包含K张G
i
对应的模板图像(T
i
)，包含K张G
i
对应的表标注图像(B
i
)；
[0052]其中，每一张标注图像B
i
∈B都是一个由0和1构成的与瑕疵图像尺寸相同的二值矩阵；
[0053]G
i
上的瑕疵区域在B
i
上标注为1，无瑕疵区域标注为0；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于能量残差分布的织物瑕疵检测方法，其特征在于，方法包括：步骤1：基于多核Gabor滤波器提取织物特征；步骤2：基于能量残差分布将织物特征进行融合；步骤3：基于信噪比设计出适应度函数；步骤4：基于信噪比的融合结果评价函数计算出构成瑕疵集中所有图像的平均信噪比SNR(X)；定义如下优化公式，其中M和N为整数；s.t.M，N∈[2，10]；γ∈[0.1，1.0]；α，β∈[1，10]再基于遗传算法进行参数优化。2.根据权利要求1所述的基于能量残差分布的织物瑕疵检测方法，其特征在于，步骤1中还包括构建Gabor滤波器组；具体包括如下步骤：构建实Gabor卷积核组F
*
，设置σ
x
＝σ
y
＝σ＝γ
·
λ，其中γ为标准差调节参数；将Gabor滤波器组的角度和尺度的范围设置在θ∈[0，π]，λ∈[λ
min
，λ
max
]；F
*
＝{f
θ，λ
|θ∈[0，π]，λ∈[λ
min
，λ
max
]}将方向和尺度的取值限制范围为：λ
min
＝4，λ
max
＝64；分别对方向参数θ和尺度参数λ进行网格化，得到数量为M
×
N的Gabor滤波器，记为并组成了分辨率为M
×
N的滤波器组F；其中，i∈[1，M]，j∈[1，N]。3.根据权利要求2所述的基于能量残差分布的织物瑕疵检测方法，其特征在于，步骤1中还包括提取Gabor特征；用G表示待检测图像，T表示模板图像，即与待检测图像相同纹理背景的无瑕疵图像；使用构建好的滤波器组F，分别提取待检测图像G和模板图像T在不同方向和尺度下的Gabor特征，以抑制背景纹理，突显瑕疵区域，得到对应的Gabor滤波图像G
i，j
和T
i，j
；其中*表示卷积运算；滤波图像G
i，j
和T
i，j
的计算方式为：的计算方式为：
4.根据权利要求1或2所述的基于能量残差分布的织物瑕疵检测方法，其特征在于，步骤2还包括：获取能量残差图组，计算能量残差大小，根据能量残差大小得到不同角度和不同尺度下Gabor滤波器的能量权重，再根据能量权重融合不同通道下的Gabor特征。5.根据权利要求4所述的基于能量残差分布的织物瑕疵检测方法，其特征在于，获取能量残差图组方式包括：根据滤波的性质，将G
i，j
和T
i，j
看作是待检测图像G和模板图像T，在角度为θ
i
，尺度为λ
j
频谱上的能量，得到不同角度、不同尺度待检测图和模板图像之间的能量残差图R
i，j
；其中，s(G
i，j
)和s(T
i，j
)分别表示滤波图像G
i，j
和T
i，j
的标准差；计算能量残差大小方式包括：使用最大值与均值的比值作为能量残差的大小来评估在能量残差图上瑕疵显著性，并记为最大均值比(MMR)；6.根据权利要求4所述的基于能量残差分布的织物瑕疵检测方法，其特征在于，计算能量权重方式包括：根据MMR计算不同通道的权重；能量残差大小矩阵MMR
i，j
重新映射到通过非线性归一化的方法计算权重通过非线性归一化的方法计算权重通过非线性归一化的方法计算权重通过非线性归一化的方法计算权重Gabor特征融合是通过动态阈值分割方法进行优化，根据权重融合各通道下能量残差图，融合结果表示为S。7.根据权利要求1或2所述的基于能量残差分布的织物瑕疵检测方法，其特征在于，步骤3还包括：设置Gabor滤波器组的分辨率M和N、标准差调节系数γ、重映射参数α和β；以上5个参数构成了如下式所示的参数集，记为X；X＝[M，N，γ，α，β]定义训练数据集；随机选取有限数量的瑕疵图像及对应的模板图像...

【专利技术属性】
技术研发人员：盛守祥，王国栋，高秀彬，李锋，李春光，李科，崔乘耀，邢训彬，位田田，吕建品，赵姗姗，曹国泰，
申请(专利权)人：滨州华纺工程技术研究院有限公司，
类型：发明
国别省市：