一种面向纺织服装的智能检验系统及其检验方法与流程

本发明涉及工业质量检测领域，具体是指一种面向纺织服装的智能检验系统及其检验方法。

背景技术：

1、随着纺织服装产业向智能制造方向发展，服装质量检验逐渐由传统人工目检方式向自动化、智能化检测方式转变，现有纺织服装智能检验方法通常依赖机器视觉检测技术，通过采集服装图像并利用图像识别模型进行缺陷检测，由于纺织服装表面纹理复杂，缺陷类型具有尺度变化大、边界不明显以及局部特征差异小等特点，现有方法容易受到光照变化、采集噪声以及织物纹理干扰影响，导致细微缺陷区域识别准确率不足；现有检测方法通常针对单一类型检测数据进行分析，缺少对视觉检测数据、材料检测数据以及工艺过程数据等多源质量信息的可信度评估机制，无法根据不同检测数据的可靠程度进行动态调整，使得部分异常或低可靠数据容易影响最终检验结果。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本发明提供了一种面向纺织服装的智能检验系统及其检验方法，本发明通过构建基于多维可信评价的质量数据增强机制，对不同来源的纺织服装检测数据进行可信程度分析，并依据不同检测模态的数据稳定性、跨模态一致性以及数据完整程度确定对应可信程度，使不同质量数据在融合过程中能够根据自身可靠性进行动态调整，避免因单一检测模态存在噪声、异常或信息缺失导致整体检验结果偏差的问题，提高了多源质量信息融合过程中的有效性和可靠性；本发明通过构建基于可信权重引导的多模态质量特征增强方法，对低可靠质量特征进行针对性增强处理，并结合不同模态可信程度进行自适应融合，使视觉检测信息、材料属性信息以及工艺过程信息能够形成更加完整的质量表征，提高了复杂纺织服装生产环境下质量特征表达能力，解决了现有技术中不同检测数据之间相互独立、质量信息利用不足的问题。

2、本发明采用的技术方案如下：本发明提供的一种面向纺织服装的智能检验系统，包括多源质量数据采集模块、多源质量数据可信增强模块、缺陷区域智能识别模块、质量特征关联分析模块、质量状态预测评价模块以及检验结果反馈优化模块，具体包括以下内容：

3、所述多源质量数据采集模块采集待检验纺织服装对应的多源检测数据，包括服装视觉检测数据、织物结构检测数据、材料属性检测数据和生产工艺过程数据，并对所采集的数据进行初步处理，形成纺织服装原始质量数据集；

4、所述多源质量数据可信增强模块根据纺织服装原始质量数据集，进行特征提取、噪声抑制和可靠性分析，通过构建多模态数据可信评价机制，确定不同检测模态对应的可信权重，根据可信权重对不同模态特征进行自适应融合，获得融合质量特征数据；

5、所述缺陷区域智能识别模块根据融合质量特征数据和对应的服装图像数据，对服装表面潜在缺陷区域进行增强处理和精细化分割，提取缺陷区域对应的纹理特征、形态特征以及局部空间特征，获得服装缺陷特征数据；

6、所述质量特征关联分析模块根据融合质量特征数据和服装缺陷特征数据，构建包含服装区域空间关联关系以及检测过程时间关联关系的质量状态关联模型，对不同区域缺陷特征之间的关联关系以及质量变化趋势进行分析，获得服装质量时空关联特征；

7、所述质量状态预测评价模块根据所述质量时空关联特征和历史质量检测数据、生产工艺参数数据，构建质量状态预测模型，对纺织服装当前质量状态以及未来质量变化趋势进行预测，获得质量评价结果和缺陷风险预测结果；

8、所述检验结果反馈优化模块根据所述质量评价结果和缺陷风险预测结果，对智能检验过程中的模型参数、检测策略和特征分析过程进行优化调整，输出最终纺织服装智能检验结果。

9、进一步的，所述多源质量数据可信增强模块，通过构建多模态数据可信评价机制，确定不同检测模态对应的可信权重，根据可信权重对不同模态特征进行自适应融合，具体包括以下步骤：

10、步骤m1：根据多源质量数据采集模块获取的纺织服装检测数据，对不同模态数据进行特征提取，获得多模态质量特征集合，表示如下：

11、；

12、其中，表示多模态质量特征集合，表示第种检测模态对应的质量特征，包括图像纹理特征、颜色特征、材料属性特征和工艺参数特征，表示数据模态数量；

13、步骤m2：根据所述多模态质量特征集合，对不同模态质量特征进行可靠性分析，计算各模态质量特征对应的稳定性指标、一致性指标以及完整性指标，并根据多维评价指标获得模态可信度参数：

14、；

15、其中，表示第种模态质量特征的可信度参数，表示第种模态质量特征稳定性指标，表示第种模态质量特征跨模态一致性指标，表示第种模态质量特征完整性指标，α、β、γ表示对应指标权重系数；

16、步骤m3：根据所述可信度参数对不同模态质量特征进行增强处理，将各模态质量特征输入基于编码-重构结构的质量特征去噪网络，通过编码映射和特征重构获得去噪重构质量特征：

17、；

18、其中，表示编码函数，表示解码函数，表示第种模态对应的去噪重构质量特征；

19、根据模态可信度参数对原始质量特征和去噪重构质量特征进行融合：

20、；

21、其中，表示增强后的第种模态质量特征；

22、步骤m4：根据增强质量特征集合以及对应可信度参数，计算不同模态对应的融合权重：

23、；

24、其中，表示第种模态质量特征融合权重，表示缺陷检测贡献度；

25、根据所述融合权重进行多模态特征融合：

26、；

27、其中，fc表示获得的可信融合质量特征。

28、进一步的，步骤m2，具体包括以下步骤：

29、步骤m21：根据多模态质量特征集合，对各模态质量特征进行历史状态偏移分析，计算不同模态质量特征的稳定性指标，将当前检测时刻获得的第种模态质量特征和历史正常检测状态下对应模态特征进行比较，获取当前质量特征相对于历史稳定状态的偏移程度，并根据所述偏移程度确定稳定性指标：

30、；

31、其中，表示第种模态质量特征稳定性指标，表示当前检测时刻第种模态质量特征，表示历史正常状态下第种模态质量特征均值，表示二范数计算，表示防止分母为零的微小常数；

32、步骤m22：根据不同模态质量特征之间的关联关系，计算跨模态一致性指标，对不同模态质量特征进行关联匹配，计算第种模态质量特征与其他模态质量特征之间的相似程度，获得对应的一致性指标：

33、对不同模态质量特征分别通过共享映射网络映射至统一质量特征空间，表示为；

34、；

35、其中，表示第模态质量特征跨模态一致性指标，表示模态总数量，表示第种模态质量特征，表示特征相似度计算函数；

36、步骤m23：根据各模态质量数据的数据完整程度，计算数据完整性指标，根据不同模态检测数据中的缺失比例、异常比例以及有效数据占比，确定对应的数据完整性指标：

37、；

38、其中，表示第种模态质量数据完整性指标，表示第种模态质量数据缺失数量，表示第种模态质量数据异常数量，表示第种模态质量数据总数量；

39、步骤m24：根据稳定性指标、一致性指标以及完整性指标，计算各模态质量特征对应的可信度参数，对评价指标进行加权融合，得到第种模态质量特征可信度：

40、；

41、其中，表示第种模态质量特征可信度参数，表示稳定性指标，表示跨模态一致性指标，表示数据完整性指标，表示对应指标权重系数。

42、根据上述计算过程，获得模态可信度集合：

43、；

44、并将所述模态可信度集合输入质量特征增强处理过程。

45、进一步的，缺陷区域智能识别模块，根据融合质量特征数据和对应的服装图像数据，对服装表面潜在缺陷区域进行增强处理和精细化分割，具体包括以下步骤：

46、步骤n1：根据可信融合质量特征构建缺陷检测增强表征，根据服装图像中不同区域的纹理变化特征，采用基于局部邻域加权的纹理增强方法，对图像中的噪声区域进行抑制，并保留缺陷边缘纹理信息，获得增强后的缺陷纹理表征；

47、步骤n2：根据缺陷检测增强表征进行缺陷区域精细分割，通过对不同尺度下的图像特征进行提取，并根据特征通道重要程度以及空间位置响应程度调整特征权重，获得缺陷区域特征，根据缺陷区域特征生成缺陷区域掩膜；

48、步骤n3：根据缺陷区域分割结果构建缺陷空间关联图

49、根据所述缺陷区域分割掩膜，将检测区域划分为多个缺陷特征区域，并根据缺陷区域之间的位置关系、纹理相似关系以及边界连接关系构建缺陷空间关联图。

50、所述缺陷空间关联图表示为；

51、其中，表示缺陷空间关联图，表示缺陷区域节点集合，表示缺陷区域之间的关联边集合；

52、每个缺陷区域节点对应一个局部缺陷特征，表示为；

53、其中，表示第个缺陷区域的位置特征，表示第个缺陷区域纹理特征，表示第个缺陷区域尺寸特征；

54、步骤n4：基于缺陷空间关联图进行关联特征聚合，根据缺陷空间关联图对相邻缺陷区域之间的关联关系进行特征聚合，获得缺陷空间关联特征，根据缺陷节点之间的关联程度计算节点聚合权重，所用公式如下：

55、；

56、其中，表示第个邻接缺陷区域对第个缺陷区域的影响权重，表示缺陷特征相似度计算函数，表示与第个缺陷区域关联的邻域区域集合；

57、根据所述权重对邻域缺陷特征进行聚合：

58、；

59、其中，表示第个缺陷区域更新后的关联特征，表示特征映射矩阵，表示非线性映射函数；

60、步骤n5：根据缺陷关联特征进行缺陷类别识别，根据缺陷空间关联特征，对纺织服装缺陷类型进行分类识别，获得缺陷检测结果。

61、本发明提供的一种面向纺织服装的智能检验方法，具体包括以下步骤：

62、步骤s1：采集纺织服装对应的多源质量检测数据，并进行预处理，构建纺织服装原始质量数据集；

63、步骤s2：根据原始质量数据集，对不同模态质量数据进行特征提取和可信度分析，根据模态可信度对质量特征进行增强融合，获得可信融合质量特征；

64、步骤s3：根据所述可信融合质量特征和服装图像数据，对服装表面缺陷区域进行增强识别和精细化分割，提取缺陷区域特征，获得缺陷检测结果；

65、步骤s4：根据所述可信融合质量特征和缺陷检测结果，结合历史质量数据以及生产工艺数据，对纺织服装质量状态进行预测评价，获得质量评价结果；

66、步骤s5：根据所述质量评价结果对检测过程进行反馈优化，调整质量检测参数和分析策略，输出纺织服装智能检验结果。

67、采用上述方案本发明取得的有益效果如下：

68、（1）本发明通过构建基于多维可信评价的质量数据增强机制，对不同来源的纺织服装检测数据进行可信程度分析，并依据不同检测模态的数据稳定性、跨模态一致性以及数据完整程度确定对应可信程度，使不同质量数据在融合过程中能够根据自身可靠性进行动态调整，避免因单一检测模态存在噪声、异常或信息缺失导致整体检验结果偏差的问题，提高了多源质量信息融合过程中的有效性和可靠性；

69、（2）本发明通过构建基于可信权重引导的多模态质量特征增强方法，对低可靠质量特征进行针对性增强处理，并结合不同模态可信程度进行自适应融合，使视觉检测信息、材料属性信息以及工艺过程信息能够形成更加完整的质量表征，提高了复杂纺织服装生产环境下质量特征表达能力，解决了现有技术中不同检测数据之间相互独立、质量信息利用不足的问题。