一种布料瑕疵检测视觉系统及装置的制作方法

1.本发明涉及布料瑕疵检测技术领域，具体地说，特别涉及一种布料瑕疵检测视觉系统及装置。


背景技术：

2.无论在布料生产厂商还是布料加工厂商，布料瑕疵检测都是产品质量控制部分中最被重视的环节之一。全面、及时地发现布料中存在的瑕疵有助于提升产品质量把控能力、降低企业损失。目前，布料瑕疵检测通常由检验工人人眼观察，检测结果和检测速度依赖于个人经验和眼睛疲劳程度，这种方式不利于布料瑕疵检测任务稳定、全面、高效地落实到每一处。所以，利用视觉系统替代人眼检测成为了一个必然发展趋势。
3.虽然目前已经有一些基于视觉系统的布料瑕疵检测方法，如申请号为：201710182718.0的中国专利公开的“基于神经网络深度学习的布匹缺陷检测方法”，但是这些方法在使用时不具备自我迭代能力，或者在迭代检测模型时需要不断地从厂家拷贝布料瑕疵图像用以增广数据集，实现瑕疵检测模型性能的提升。如果间隔一段时间就向厂家索要布料瑕疵图像会间接暴露这家工厂的产品质量问题，因此布料瑕疵数据通常是保密状态。这些问题会导致部署在布料瑕疵检测视觉系统无法迭代提升，难以满足更高的工业场景需求。


技术实现要素：

4.为了解决现有技术的问题，本发明旨在提供一种布料瑕疵检测视觉系统及方法，能够在保护使用厂家布料瑕疵图像数据隐私的同时提升布料瑕疵检测视觉系统的性能。所述技术方案如下：
5.一方面，提供了一种布料瑕疵检测视觉系统，包括：pc、工业线扫相机、验布机以及中心服务器；所述工业线扫相机和所述验布机均与所述pc连接；多个所述pc通过路由器与所述中心服务器连接。
6.进一步地，所述验布机、工业线扫相机和pc设备集成。
7.进一步地，所述设备集成的方式为每台验布机对应一台本地pc；所述工业线扫相机和光源固定在验布机上；所述工业线扫相机采集到的图像数据通过gige接口传输到pc内存。
8.另一方面，提供了一种布料瑕疵检测视觉方法，包括：
9.步骤1：根据开源布料瑕疵图像数据集和布料瑕疵图像进行布料瑕疵区域检测；
10.步骤2：对布料瑕疵区域图像使用图像分类算法进行瑕疵分类训练，存储最优结果；
11.步骤3：将验布机、工业线扫相机和pc做设备集成，并将布料瑕疵区域检测、瑕疵分类程序、模型文件并部署到各台验布机上对待检布料进行瑕疵视觉检测，检测结果经人为校正后保存在本地pc；
12.步骤4：各台验布机对应的pc在步骤2基础上分别对各自采集到的布料瑕疵图像进行分类训练，将训练最优结果模型文件上传至中心服务器；
13.步骤5：中心服务器根据上传的每个模型文件进行参数更新，将更新后的模型文件下发至各台验布机对应的pc用以替换原先布料瑕疵分类模型文件。
14.优选地，所述步骤1具体如下：
15.步骤11：选择一张无瑕疵布料图像进行小波分解，计算频域中主要能量方向；
16.步骤12：对相同纹理的瑕疵布料图像进行小波分解，将步骤11计算得到的主要能量方向置零并重构图像；
17.步骤13：利用边缘检测算子canny对重构后图像进行瑕疵区域检测；
18.步骤14：计算瑕疵区域最小外接矩形，按照该矩形位置信息对布料瑕疵图像进行裁剪，裁剪结果即为瑕疵区域图像。
19.优选地，所述步骤2中使用的布料瑕疵分类模型为resnet50。
20.优选地，所述步骤3中设备集成方式为每台验布机对应一台本地pc；工业线扫相机和光源固定在验布机上；工业相机采集到的图像数据通过gige接口传输到pc内存，内存中图像经过布料瑕疵检测程序和瑕疵分类算法处理后将其结果保存到pc磁盘。
21.优选地，所述步骤3中的部署方式为当布料瑕疵区域检测程序、瑕疵分类程序和模型文件有发生变更时，则将其从中心服务器下发至各台验布机对应pc替换原文件后部署。
22.优选地，所述步骤3中的人为校正内容包括瑕疵区域范围信息和瑕疵类型名称信息。
23.优选地，所述步骤5中的中心服务器参数更新方式为平均算法：
24.w＝(w1 w2 w3 ... wm)/m，其中，m为上传模型文件的pc数量。。
25.本发明实施例提供的技术方案带来的有益效果是：
26.1、在保护使用厂家布料瑕疵数据隐私的同时迭代检测模型；
27.2、分布式训练降低中心服务器因模型训练而产生的能耗；
28.3、使用厂家在确定布料瑕疵检测结果的同时更正错误检测结果，不仅提高了瑕疵图像数据标注的准确性，也减少了数据标注部分自身人力投入。
附图说明
29.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
30.图1是本发明实施例1的一种布料瑕疵检测视觉系统的示意图；
31.图2是本发明实施例2的一种布料瑕疵检测视觉方法步骤流程图；
32.图3是本发明实施例2中布料瑕疵区域检测流程图。
具体实施方式
33.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
34.实施例1
35.提供了一种布料瑕疵检测视觉系统，参见图1，包括：pc10、工业线扫相机20、验布机30以及中心服务器40；所述工业线扫相机和所述验布机均与所述pc连接；多个所述pc通过路由器与所述中心服务器连接。
36.进一步地，所述验布机、工业线扫相机和pc设备集成。
37.进一步地，所述设备集成的方式为每台验布机对应一台本地pc；所述工业线扫相机和光源固定在验布机上；所述工业线扫相机采集到的图像数据通过gige接口传输到pc内存。
38.实施例2
39.在本技术实施例中，目标布料可以是牛津布、无纺布或涤纶布，但并不以此为限。另外，目标布料可以是纯色布或者多色布。
40.提供了一种布料瑕疵检测视觉方法，参见图2和3，包括：
41.步骤1：从合作厂家和布料瑕疵开源数据集中选择一张无瑕疵布料图像进行小波分解，计算频域中主要能量方向；
42.步骤2：对相同纹理的瑕疵布料图像进行小波分解，将步骤1计算得到的主要能量方向置零并重构图像；
43.步骤3：利用边缘检测算子canny对重构后图像进行瑕疵区域检测；
44.步骤4：计算瑕疵区域最小外接矩形，按照该矩形位置信息对布料瑕疵图像进行裁剪，裁剪结果即为瑕疵区域图像；
45.步骤5：使用resnet50作为布料瑕疵分类算法对布料瑕疵区域图像进行瑕疵分类训练，存储最优结果；
46.步骤6：如果布料瑕疵区域检测程序、瑕疵分类程序和模型文件有发生变更，则变更后程序或文件其从实施例1中的中心服务器40下发至各台验布机对应pc10替换原文件后部署，并对待检布料进行瑕疵视觉检测，检测结果经人为校正后保存；
47.在本技术实施例中，布料瑕疵视觉检测时，工业线扫相机20安装在验布机30上并调整好拍摄角度、焦距以及光圈并打开相应光源。布料图像由工业线扫相机20采集，通过gige接口传输到pc10，经过瑕疵区域检测程序和瑕疵分类程序后展示检测结果。
48.在本技术实施例中，考虑到布料瑕疵检测结果与图像清晰程度息息相关，图像采集设备选择2448*2048的高清摄像头，但不限于此。
49.步骤7：各台验布机对应pc10在当前resnet50模型文件基础上对各自采集到的布料瑕疵图像进行迁移学习训练，训练最优模型文件上传至中心服务器40；
50.步骤:8：中心服务器40根据上传的每个模型文件使用平均算法对布料瑕疵分类算法resnet50进行参数更新。平均算法：w＝(w1 w2 w3 ... wm)/m，其中，m为上传模型文件的pc数量。更新完成后跳转至步骤6。
51.本发明实施例提供的技术方案带来的有益效果是：
52.1、在保护使用厂家布料瑕疵数据隐私的同时迭代检测模型；
53.2、分布式训练降低中心服务器因模型训练而产生的能耗；
54.3、使用厂家在确定布料瑕疵检测结果的同时更正错误检测结果，不仅提高了瑕疵图像数据标注的准确性，也减少了数据标注部分自身人力投入。
55.以上仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。