【技术实现步骤摘要】
本申请涉及智能检验领域，且更为具体地，涉及一种基于yolo算法的验布设备瑕疵检验方法及系统。
技术介绍
1、在纺织行业中，验布是确保产品质量的关键步骤。布匹的质量不仅关系到最终产品的外观美感，还影响到产品的耐用性和功能性。因此，验布过程对于维护品牌声誉和顾客满意度具有重大意义。
2、随着技术的发展，自动化的验布设备逐渐成为主流，这些设备通常采用图像处理技术来识别布匹上的瑕疵。然而，现有的自动化验布设备在处理高分辨率图像时存在效率和准确性的挑战。具体地，目前，大多数自动化验布设备采用固定摄像头拍摄图像，然后通过传统的图像处理算法进行瑕疵检测，而传统的图像处理算法可能难以准确区分正常特征与瑕疵，从而导致误报率较高，并且这些方法在处理大量数据时可能会遇到性能瓶颈，导致检测速度慢且易发生误报。此外，多数自动化验布设备采用固定摄像头拍摄图像，这种设置可能无法全面覆盖布匹的所有区域，容易遗漏潜在的瑕疵。
3、因此，期望一种优化的验布设备瑕疵检验方案。
技术实现思路
1、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yolo算法的验布设备瑕疵检验方法及系统，其通过使用高分辨率线扫相机连续扫描被检验布匹以得到布匹图像的集合，并采用基于深度学习的图像识别和分析技术来对所述布匹图像的集合进行拼接以形成完整的布匹连续图像，接着，采用yolo算法对拼接后的布匹连续图像进行形状、纹理和颜色的特征捕捉，并分别对这些特征进行特征空间自适应增强处理，以此根据增强处理后的布
2、根据本申请的一方面，提供了一种基于yolo算法的验布设备瑕疵检验方法，其包括：使用高分辨率线扫相机连续扫描被检验布匹以得到布匹图像的集合；
3、对所述布匹图像的集合进行图像拼接以得到布匹连续图像；
4、对所述布匹连续图像进行多特征捕捉以得到布匹形状编码特征图、布匹纹理编码特征图和布匹颜色编码特征图；
5、对所述布匹形状编码特征图、所述布匹纹理编码特征图和所述布匹颜色编码特征图进行布匹特征空间自适应增强以得到布匹形状增强编码特征图、布匹纹理增强编码特征图和布匹颜色增强编码特征图，包括：对所述布匹形状编码特征图进行特征散化以得到布匹形状像素粒度特征向量的集合；对所述布匹形状像素粒度特征向量的集合进行像素粒度语义关联和空间衰减调制以得到布匹形状语义关联空间软约束得分拓扑矩阵；对所述布匹形状语义关联空间软约束得分拓扑矩阵和所述布匹形状像素粒度特征的集合进行图结构空间增强以得到所述布匹形状增强编码特征图；
6、基于所述布匹形状增强编码特征图、所述布匹纹理增强编码特征图和所述布匹颜色增强编码特征图之间的布匹多尺度级联编码特征，得到识别结果，所述识别结果用于表示被检验布匹是否存在瑕疵。
7、根据本申请的另一方面，提供了一种基于yolo算法的验布设备瑕疵检验系统，其包括：布匹图像扫描模块，用于使用高分辨率线扫相机连续扫描被检验布匹以得到布匹图像的集合；
8、布匹图像图像拼接模块，用于对所述布匹图像的集合进行图像拼接以得到布匹连续图像；
9、布匹图像多特征捕捉模块，用于对所述布匹连续图像进行多特征捕捉以得到布匹形状编码特征图、布匹纹理编码特征图和布匹颜色编码特征图；
10、布匹特征空间增强模块，用于对所述布匹形状编码特征图、所述布匹纹理编码特征图和所述布匹颜色编码特征图进行布匹特征空间自适应增强以得到布匹形状增强编码特征图、布匹纹理增强编码特征图和布匹颜色增强编码特征图，其中，所述布匹特征空间增强模块，包括：布匹特征散化单元，用于对所述布匹形状编码特征图进行特征散化以得到布匹形状像素粒度特征向量的集合；布匹特征语义关联调制单元，用于对所述布匹形状像素粒度特征向量的集合进行像素粒度语义关联和空间衰减调制以得到布匹形状语义关联空间软约束得分拓扑矩阵；布匹特征图结构增强单元，用于对所述布匹形状语义关联空间软约束得分拓扑矩阵和所述布匹形状像素粒度特征的集合进行图结构空间增强以得到所述布匹形状增强编码特征图；
11、识别结果生成模块，用于基于所述布匹形状增强编码特征图、所述布匹纹理增强编码特征图和所述布匹颜色增强编码特征图之间的布匹多尺度级联编码特征，得到识别结果，所述识别结果用于表示被检验布匹是否存在瑕疵。
12、与现有技术相比，本申请提供的一种基于yolo算法的验布设备瑕疵检验方法及系统，其通过使用高分辨率线扫相机连续扫描被检验布匹以得到布匹图像的集合，并采用基于深度学习的图像识别和分析技术来对所述布匹图像的集合进行拼接以形成完整的布匹连续图像，接着，采用yolo算法对拼接后的布匹连续图像进行形状、纹理和颜色的特征捕捉，并分别对这些特征进行特征空间自适应增强处理，以此根据增强处理后的布匹形状增强编码特征、布匹纹理增强编码特征和布匹颜色增强编码特征之间的多尺度级联编码来自动地判断被检验布匹是否存在瑕疵。这样，使用高分辨率线扫相机连续扫描布匹，能够确保覆盖布匹的所有区域，避免遗漏潜在的瑕疵。并且，yolo算法和深度学习技术能够高效处理高分辨率图像，克服传统方法在处理大量数据时的性能瓶颈，实现快速检测，同时提高对细微瑕疵的识别能力，从而提供了更加智能化的瑕疵检验方案。
本文档来自技高网...【技术保护点】
1.一种基于YOLO算法的验布设备瑕疵检验方法，其特征在于，包括：使用高分辨率线扫相机连续扫描被检验布匹以得到布匹图像的集合；
2.根据权利要求1所述的基于YOLO算法的验布设备瑕疵检验方法，其特征在于，对所述布匹连续图像进行多特征捕捉以得到布匹形状编码特征图、布匹纹理编码特征图和布匹颜色编码特征图，包括：将所述布匹连续图像输入基于YOLO模型的布匹特征提取器以得到所述布匹形状编码特征图、所述布匹纹理编码特征图和所述布匹颜色编码特征图。
3.根据权利要求2所述的基于YOLO算法的验布设备瑕疵检验方法，其特征在于，对所述布匹形状编码特征图进行特征散化以得到布匹形状像素粒度特征向量的集合，包括：沿着通道维度对所述布匹形状编码特征图进行特征散化以得到所述布匹形状像素粒度特征向量的集合。
4.根据权利要求3所述的基于YOLO算法的验布设备瑕疵检验方法，其特征在于，对所述布匹形状像素粒度特征向量的集合进行像素粒度语义关联和空间衰减调制以得到布匹形状语义关联空间软约束得分拓扑矩阵，包括：
5.根据权利要求4所述的基于YOLO算法的验布设备瑕疵检
6.根据权利要求5所述的基于YOLO算法的验布设备瑕疵检验方法，其特征在于，计算所述映射后布匹形状像素粒度特征向量的集合中的任意两个映射后布匹形状像素粒度特征向量之间的语义关联得分以得到由多个布匹形状语义关联得分值组成的所述布匹形状语义关联得分拓扑矩阵，包括：
7.根据权利要求6所述的基于YOLO算法的验布设备瑕疵检验方法，其特征在于，基于所述布匹形状像素粒度特征向量的集合中的任意两个布匹形状像素粒度特征向量之间的空间距离对所述布匹形状语义关联得分拓扑矩阵进行空间关注衰减调制以得到所述布匹形状语义关联空间软约束得分拓扑矩阵，包括：
8.根据权利要求7所述的基于YOLO算法的验布设备瑕疵检验方法，其特征在于，对所述布匹形状语义关联空间软约束得分拓扑矩阵和所述布匹形状像素粒度特征的集合进行图结构空间增强以得到所述布匹形状增强编码特征图，包括：
9.根据权利要求8所述的基于YOLO算法的验布设备瑕疵检验方法，其特征在于，基于所述布匹形状增强编码特征图、所述布匹纹理增强编码特征图和所述布匹颜色增强编码特征图之间的布匹多尺度级联编码特征，所述识别结果用于表示被检验布匹是否存在瑕疵，包括：
10.一种基于YOLO算法的验布设备瑕疵检验系统，其特征在于，包括：布匹图像扫描模块，用于使用高分辨率线扫相机连续扫描被检验布匹以
...【技术特征摘要】
1.一种基于yolo算法的验布设备瑕疵检验方法，其特征在于，包括：使用高分辨率线扫相机连续扫描被检验布匹以得到布匹图像的集合；
2.根据权利要求1所述的基于yolo算法的验布设备瑕疵检验方法，其特征在于，对所述布匹连续图像进行多特征捕捉以得到布匹形状编码特征图、布匹纹理编码特征图和布匹颜色编码特征图，包括：将所述布匹连续图像输入基于yolo模型的布匹特征提取器以得到所述布匹形状编码特征图、所述布匹纹理编码特征图和所述布匹颜色编码特征图。
3.根据权利要求2所述的基于yolo算法的验布设备瑕疵检验方法，其特征在于，对所述布匹形状编码特征图进行特征散化以得到布匹形状像素粒度特征向量的集合，包括：沿着通道维度对所述布匹形状编码特征图进行特征散化以得到所述布匹形状像素粒度特征向量的集合。
4.根据权利要求3所述的基于yolo算法的验布设备瑕疵检验方法，其特征在于，对所述布匹形状像素粒度特征向量的集合进行像素粒度语义关联和空间衰减调制以得到布匹形状语义关联空间软约束得分拓扑矩阵，包括：
5.根据权利要求4所述的基于yolo算法的验布设备瑕疵检验方法，其特征在于，计算所述布匹形状像素粒度特征向量的集合中的任意两个布匹形状像素粒度特征向量之间的语义关联得分以得到布匹形状语义关联得分拓扑矩阵，包括：
6.根...
【专利技术属性】
技术研发人员：王磊，何青峰，占欣宇，潘潇扬，窦军，
申请(专利权)人：智矩杭州人工智能科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。