一种基于图像识别的针织式面料质量检测方法与流程
本发明涉及纺织品质量检测,尤其涉及一种基于图像识别的针织式面料质量检测方法。
背景技术:
1、针织式面料由纱线按照线圈结构串套形成,表面具有周期性纹理和连续纱线路径。在生产和输送过程中,针织式面料容易出现断纱、漏针、线圈连接异常、油污、色差、破洞和局部组织变形等质量问题。现有检测方式主要包括人工验布、传统图像处理检测和基于深度学习的视觉检测。人工验布依赖操作人员经验,检测效率和一致性不足;传统图像处理通常依据灰度、边缘和纹理差异进行判断,难以适应不同布种、张力状态和光照条件下的纹理变化。
2、patchcore异常检测模型被用于工业缺陷检测,其能够利用正常样本构建特征集合,通过特征匹配识别异常区域,适合缺陷样本较少的场景。但现有patchcore应用方式通常直接处理图像块,主要依赖图像纹理特征,未针对针织式面料中的纱线路径、线圈轮廓和线圈连接关系进行结构化表达。
3、现有技术在检测针织式面料时仍存在不足:正常采集波动和生产波动容易被误判为缺陷;对于断纱、漏针和线圈连接异常等缺陷,缺少针对性处理,导致检测结果的准确性和可解释性受限。
4、因此,如何提供一种基于图像识别的针织式面料质量检测方法是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于图像识别的针织式面料质量检测方法,本发明充分利用了patchcore异常检测、纱线路径分解、线圈拓扑编码和正常波动剥离技术,详细描述了针织式面料缺陷定位、类型识别和质量判定的实现过程,具备缺陷样本依赖低、结构识别能力强和检测结果可解释性高的优点。
2、根据本发明实施例的一种基于图像识别的针织式面料质量检测方法,包括如下步骤:
3、获取针织式面料表面图像和同步采集参数,对针织式面料表面图像执行预处理,生成标准化面料图像和布面坐标数据;
4、将标准化面料图像输入纱线路径分解网络,对标准化面料图像执行纱线区域预测、纱线骨架提取和线圈轮廓提取,生成纱线路径分解结果;
5、根据纱线路径分解结果提取线圈位置和纱线连接关系,将线圈转换为拓扑节点,将相邻线圈之间的连续纱线转换为拓扑连接边,对拓扑节点和拓扑连接边执行结构编码,生成线圈拓扑特征;
6、将标准化面料图像、纱线路径分解结果和同步采集参数输入正常波动剥离网络,对标准化面料图像执行扰动表征提取、结构表征提取和扰动表征去除,生成稳定结构特征;
7、将正常针织式面料样本对应的线圈拓扑特征和稳定结构特征输入patchcore模型,构建正常结构特征集合;
8、将待检测针织式面料图像对应的线圈拓扑特征和稳定结构特征与正常结构特征集合执行特征匹配,生成异常响应图;
9、根据异常响应图生成缺陷区域,输出针织式面料质量判定结果。
10、可选的,所述对针织式面料表面图像执行预处理具体包括:
11、在针织式面料经过图像采集位置时,依据采集触发信号获取针织式面料表面图像,将图像采集时对应的布面运行信息记录为同步采集参数;
12、根据同步采集参数确定针织式面料表面图像与实际布面位置之间的对应关系,对针织式面料表面图像执行预处理,将非布面区域、成像干扰和纹理姿态偏差从针织式面料表面图像中消除,生成标准化面料图像;
13、根据同步采集参数和标准化面料图像的像素排列位置,建立像素位置与实际布面位置之间的映射关系,生成布面坐标数据。
14、可选的,所述将标准化面料图像输入纱线路径分解网络具体包括:
15、将纱线路径分解网络设置在patchcore模型执行特征匹配之前,标准化面料图像先输入纱线路径分解网络;
16、纱线路径分解网络对标准化面料图像中的每一像素输出纱线归属概率和纱线方向向量,将纱线归属概率达到设定阈值的像素划入候选纱线区域;
17、以候选纱线区域的端点像素为起始位置,沿纱线方向向量搜索相邻候选纱线区域的端点像素,将搜索距离处于设定像素范围内且方向偏差处于设定角度范围内的端点像素进行连接,形成纱线区域预测结果;
18、在纱线区域预测结果内逐行计算纱线横截面的中点位置,按照相邻横截面中点位置的距离和方向连续关系串接中点位置,得到初始纱线骨架;
19、对初始纱线骨架中的短分支按照分支长度删除,对初始纱线骨架中的断点按照断点两侧骨架切线方向连接,得到纱线骨架;
20、沿纱线骨架提取回环段,将回环段外侧边界和相邻回环段之间的闭合边界连接为线圈轮廓;
21、将纱线区域预测结果、纱线骨架和线圈轮廓按照标准化面料图像的像素坐标写入同一数据结构,生成纱线路径分解结果。
22、可选的,所述根据纱线路径分解结果提取线圈位置和纱线连接关系具体包括:
23、读取纱线路径分解结果中的纱线区域预测结果、纱线骨架和线圈轮廓,在线圈轮廓内计算轮廓中心坐标,按照轮廓中心坐标在标准化面料图像中的横向顺序和纵向顺序确定线圈排列次序;
24、将每一线圈轮廓作为一个线圈单元,将线圈单元的轮廓中心坐标、轮廓面积、轮廓外接矩形尺寸和线圈排列次序写入对应拓扑节点;
25、从任一拓扑节点对应的线圈轮廓边界出发,沿纱线骨架逐像素追踪骨架路径,当骨架路径到达另一拓扑节点对应的线圈轮廓边界时,将追踪得到的骨架路径作为两个拓扑节点之间的连续纱线;
26、将连续纱线的起点节点编号、终点节点编号、路径像素数量、路径方向变化量和路径端点方向写入对应拓扑连接边;
27、按照拓扑节点的线圈排列次序和拓扑连接边的连接关系,将拓扑节点和拓扑连接边编码为线圈拓扑特征。
28、可选的,所述将标准化面料图像、纱线路径分解结果和同步采集参数输入正常波动剥离网络具体包括:
29、正常波动剥离网络作为patchcore模型的前置特征剥离部分;
30、在改进patchcore模型训练阶段,选取同一针织式面料在基准采集条件下的标准化面料图像作为基准样本,选取同一针织式面料在同步采集参数发生变化时的标准化面料图像作为波动样本,将基准样本和波动样本按照布面坐标数据进行像素对齐,计算对齐后的基准样本与波动样本之间的差异图;
31、将波动样本、波动样本对应的纱线路径分解结果和同步采集参数输入正常波动剥离网络,由正常波动剥离网络根据差异图训练扰动提取层,根据基准样本训练结构保持层;
32、在改进patchcore模型检测阶段,将待检测的标准化面料图像、纱线路径分解结果和同步采集参数输入训练后的正常波动剥离网络,由扰动提取层输出扰动表征,由结构保持层输出结构表征,将扰动表征投影至结构表征的通道维度和空间尺寸后从结构表征中扣除,生成稳定结构特征。
33、可选的,所述patchcore模型具体包括:
34、在patchcore模型的特征匹配之前设置纱线路径分解网络和正常波动剥离网络;
35、纱线路径分解网络接收标准化面料图像并生成纱线路径分解结果,根据纱线路径分解结果生成线圈拓扑特征,正常波动剥离网络根据标准化面料图像、纱线路径分解结果和同步采集参数生成稳定结构特征;
36、patchcore模型将线圈拓扑特征和稳定结构特征作为输入特征,经过特征提取后生成局部块特征;
37、在训练阶段,改进patchcore模型根据正常针织式面料样本对应的局部块特征建立正常结构特征集合;
38、在检测阶段,改进patchcore模型将待检测针织式面料图像对应的局部块特征与正常结构特征集合进行最近邻特征匹配,根据匹配距离生成异常响应图。
39、可选的,所述将待检测针织式面料图像对应的线圈拓扑特征和稳定结构特征与正常结构特征集合执行特征匹配具体包括:
40、将待检测针织式面料图像对应的线圈拓扑特征按照线圈节点位置和拓扑连接边位置映射至稳定结构特征的局部块坐标,生成待检测局部块特征;
41、读取正常结构特征集合中每一正常局部块特征对应的线圈排列次序、拓扑连接关系和局部块坐标,根据待检测局部块特征对应的线圈排列次序和拓扑连接关系筛选候选正常局部块特征;
42、将待检测局部块特征与候选正常局部块特征执行最近邻特征匹配,得到局部块异常分数;
43、当相邻待检测局部块对应同一拓扑连接边时,按照拓扑连接边的追踪顺序对相邻局部块异常分数执行连续排列,生成连接边异常分数;
44、将局部块异常分数和连接边异常分数写入对应像素坐标,生成异常响应图。
45、可选的,所述输出针织式面料质量判定结果具体包括:
46、对异常响应图执行异常阈值分割,将异常响应值达到设定异常阈值的像素划入异常候选区域;对异常候选区域执行连通域标记,删除像素面积小于设定面积阈值的连通域,将保留的连通域确定为缺陷区域;
47、根据布面坐标数据将缺陷区域的像素坐标转换为实际布面位置,根据缺陷区域在线圈拓扑特征中的对应拓扑节点和拓扑连接边确定缺陷关联线圈;
48、根据缺陷区域在纱线路径分解结果中的对应位置确定缺陷类型,当缺陷区域覆盖纱线骨架断开位置时标记为断纱缺陷,当缺陷区域覆盖线圈轮廓缺失位置时标记为漏针缺陷,当缺陷区域覆盖拓扑连接边异常位置时标记为线圈连接异常缺陷;
49、根据缺陷区域面积、缺陷区域对应的实际布面位置、缺陷类型和异常响应值生成针织式面料质量判定结果。
50、本发明的有益效果是:
51、(1)本发明在patchcore模型执行特征匹配之前设置纱线路径分解网络,将标准化面料图像转换为纱线路径分解结果,使后续检测不再仅依赖原始图像纹理,而是能够基于纱线区域、纱线骨架和线圈轮廓进行缺陷分析,有利于提高断纱、漏针和线圈结构异常的识别针对性。
52、(2)本发明根据纱线路径分解结果构建线圈拓扑特征,将线圈位置转换为拓扑节点,将相邻线圈之间的连续纱线转换为拓扑连接边,使异常响应能够对应到具体线圈、纱线路径和拓扑连接位置,有利于提高缺陷定位结果的可解释性和后续质量追溯的准确性。
53、(3)本发明将正常波动剥离网络作为patchcore模型的前置特征剥离部分,根据标准化面料图像、纱线路径分解结果和同步采集参数生成稳定结构特征,减少采集条件变化和生产状态变化对异常检测结果的干扰,从而降低正常波动造成的误判,提高针织式面料质量判定的稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com