一种低成本的面料瑕疵检测系统及方法

1.本发明涉及一种瑕疵检测系统及方法，尤其涉及一种低成本的面料瑕疵检测系统及方法。


背景技术：

2.自动化面料瑕疵检测技术可以使整个验布流程自动化，目前所用的自动检测系统主要使用工业摄像头或红外线检测设备，将面料中大大小小的瑕疵都检测出来并进行报警停机，实现对面料缺陷进行实时检测。一方面，依赖于工业摄像头或红外线检测设备的面料缺陷检测极大的增加了检测设备的制造成本；另一方面，基于纺织行业企业工作环境黑暗的影响，所采集到的图像通常较暗，对瑕疵检测的精度、准确度造成一定影响；同时，这些专业检测设备过度注重验布的精度，导致细微瑕疵也会发出警报或停机，使得工人需要多次返工，反而会降低工人的效率，增加验布工人的工作量，无法降低人工成本。基于现有市面上智能化检测设备高昂的硬件成本及瑕疵检测技术的限制，目前仍有大量的企业依然采取人工验布的方式，然而，传统的人工验布方式又存在着检出率低、速度慢、成本高等诸多问题。


技术实现要素：

3.为了解决上述技术所存在的不足之处，本发明提供了一种低成本的面料瑕疵检测系统及方法。
4.为了解决以上技术问题，本发明采用的技术方案是：一种低成本的面料瑕疵检测系统，其特征在于：包括：
5.图像处理模块：用于将摄像头视角范围内的区域进行像素变换和邻域变换，并利用傅里叶变换将时域信号转换为频域信号；
6.瑕疵检测模块：瑕疵检测模块用于调用已训练好的yolov5模型对面料图像进行实时瑕疵检测，并输出检测结果；
7.瑕疵分析模块：用于分析检测结果，判断是否输出警报信息，并得出布匹最终的检验结果。
8.进一步地，它还包括：
9.面料缺陷数据库模块：用于存储每一帧图像的检测结果，并更新模型训练数据。
10.一种低成本的面料瑕疵检测系统的检测方法，包括如下检测步骤：
11.步骤一、图像收集及模型训练；
12.步骤二、待检测图像预处理；
13.步骤三：检测模型进行瑕疵检测，同步创建面料缺陷数据库；
14.步骤四、检测结果反馈。
15.进一步地，步骤一中，由摄像头对布匹进行实时扫描，采集图像信息，将这些图像作为训练数据来训练yolov5模型。
16.进一步地，步骤二中，由摄像头实时扫描验布机上的布匹，在图像处理模块接收到待检测的图像信息后，对图像进行像素变换和邻域变换来提高图像的对比度和亮度，并利用傅里叶变换将难以处理的图像时域信号转换成易于分析的图像频域信号。
17.进一步地，对输入图像进行卷积操作，假设中心锚点位置为(x,y)，滤波器大小为m
×
n，且m和n均为奇数；矩阵w为滤波器系数，令a＝(m-1)/2,b＝(n-1)/2,a,b是卷积核中的位置坐标，s,t是卷积核中的另一位置坐标，原图像为f，输出图像为g，则图像的卷积操作如公式一表示：
[0018][0019]
提升图像对比度和亮度，采用如公式二所示的变换公式：
[0020]
g(x,y)＝αf(x,y) β
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式二，
[0021]
其中，α、β为变换公式系数，用来控制图像对比度和亮度的变化速率；通过令α＝1，并使β大于o来提升图像亮度；通过令β＝0，并使α大于1来提升图像对比度；
[0022]
之后，对图像进行傅里叶变换，得到图像频域信号，如公式三所示：
[0023][0024]
其中，图像长为m、高为n；f(u，v)表示频域图像，f(x，y)表示时域图像；u的范围为[0，m-1]，v的范围为[n，0-1]；e为自然常数，j为虚数单位(j2＝-1)，x，y为时域变量，u，v为频域变量。
[0025]
进一步地，步骤三中：瑕疵检测模块接收到图像处理模型传达的图像频域信号后，调用已训练好的yolov5模型对面料图像进行实时瑕疵检测，检测模型输出瑕疵检测结果并进行记录。
[0026]
进一步地，在瑕疵检测时，同步创建面料缺陷数据库，随着摄像头的扫描和实时检测，不断把每一帧图像的检测结果保存到面料缺陷数据库中，以此不断增加模型的训练数据。
[0027]
进一步地，步骤四中，根据瑕疵检测结果，瑕疵分析模块进行计分，输出警报信号，并给出布匹最终检测结果的判断，完成该布匹的面料瑕疵检测。
[0028]
进一步地，输出的检测结果包括面料瑕疵种类、大小、数量；
[0029]
对于检测出来的瑕疵种类结果，建立瑕疵权重矩阵，根据瑕疵对布匹质量的影响程度，赋予不同权重：设瑕疵数量为q种，赋予这q种瑕疵不同权重，得到权重矩阵v＝[v1，v2...vq]；对不同瑕疵的数量进行计数，产生一个数量矩阵z＝[z1，z2...zq]，得到函数：
[0030][0031]
t为矩阵的转置，i是一个变量，表示当i＝1，2...q时，求(v1z1 v2z2 ...v
qzq
)的和，也就是v矩阵的转置(t)上乘上z；
[0032]
为输出结果设置一个阈值，若超过该阈值，该系统就会发出报警，提醒验布人员及
时处理；
[0033]
对于检测出来的瑕疵大小结果，根据纺织行业验布标注，对不同的瑕疵大小进行扣分。
[0034]
本发明公开了一种低成本的面料瑕疵检测系统及方法，采用价格低廉的传统摄像头，区分普通瑕疵和“致命”瑕疵并发出警报，同时将检测出的缺陷图片作为训练数据再次传入训练好的模型，提高模型的准确率，降低漏检率，有效解决面料缺陷检测问题，提高检测效率。
[0035]
同时，本发明具有持续学习的能力，能够在相似应用和场景下具有进行探索性质的学习，即具备可塑性(学习新知识的能力)和稳定性(旧知识的记忆能力)。在实际应用中，形成一个利用训练好的模型对新传入的数据进行判读，同时将判读结果和图像形成一个具有标注的数据集再用于模型训练的闭环；这种能力在应用中可以加强模型的实际应用能力，提高了模型的准确率和自身的健壮性；在对面料缺陷实时检测中，利用检测传入的面料缺陷新数据进行持续的学习和优化，提升模型自身的性能和泛化能力。
附图说明
[0036]
图1为本发明的系统流程示意图。
具体实施方式
[0037]
下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0038]
本发明设计了一套低成本的面料瑕疵检测系统及方法，实现了对面料瑕疵高效准确的标注，具有标记瑕疵位置、数量及种类等多项功能。并且，系统可以准确鉴别“致命”瑕疵与普通瑕疵，提供报警或停机，以便管理人员及时进行修正，从而控制面料质量。不同于市面上需要依托工业摄像头或红外线的检测设备，该面料瑕疵检测系统的硬件仅需要一个传统的摄像头，就可以实现精准且具有多功能的瑕疵检测，使得检测设备的制造成本大大降低。
[0039]
面料瑕疵检测系统的整个工作流程为：将传统摄像头安装在验布机上，传统摄像头扫描到的图像是模糊的，通过特定的图像处理方法使摄像头视角范围内的区域变得清晰明亮，由于摄像头是实现检测，故其为时域信号，通过傅里叶变化将其转化为频域信号，更好的适应检测网络的输入。图像处理之后，将其输出到yolov5检测网络中，检测出瑕疵的位置、数量以及大小。不同瑕疵对布匹最终质量的影响程度不同，因此对于不同瑕疵，赋予不同的权重；对于一些致命瑕疵，设置了报警系统，提醒检测人员及时处理。除了瑕疵的种类，瑕疵大小也对布匹质量有至关重要的影响，纺织行业针对瑕疵大小建立了行业标准，根据此标准，设置了计分系统，按照行业标准，对瑕疵大小进行扣分。如行业标准规定，瑕疵小于三寸扣1分，三至六寸扣2分等；当一匹布扣分超过12分，则布匹最终等级会降级即变为次品布。并且，同步建立起缺陷数据库，每一个检测到的瑕疵都会存入数据库，让数据库中的瑕疵图像越来越多，训练模型时训练数据也就越多，模型也会越准确。
[0040]
对于本发明所公开的面料瑕疵检测系统，由算法驱动，python编写，具体系统如图1所示；整个系统主要分为四个模块：
[0041]
1)图像处理模块：用于将摄像头视角范围内的区域进行像素变换和邻域变换，并
利用傅里叶变换将时域信号转换为频域信号。
[0042]
将传统的摄像头安装到验布机上，由摄像头对布匹进行实时拍摄，电脑接收到摄像头传入的视频，将视频中的每一帧图片转化为数字信号。对输入图像进行卷积操作，假设中心锚点位置为(x,y)，滤波器大小为m
×
n，且m和n均为奇数(滤波器大小一般均为奇数)；矩阵w为滤波器系数，令a＝(m-1)/2,b＝(n-1)/2,a,b是卷积核中的位置坐标，s,t是卷积核中的另一位置坐标，原图像为f，输出图像为g，则图像的卷积操作采用下面的公式一表示：
[0043][0044]
提升图像对比度和亮度是一个典型的像素变换操作，它的变换公式如公式二所示：
[0045]
g(x,y)＝αf(x,y) β
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式二，
[0046]
其中，α、β为变换公式系数，用来控制图像对比度和亮度的变化速率；通过令α＝1，并使β大于0来提升图像亮度；通过令β＝0，并使α大于1来提升图像对比度。在本实施例中，根据摄像头拍摄亮度，设置α＝3，β＝40来同步提升对比度和亮度。
[0047]
之后，对图像进行傅里叶变换，如公式三所示：
[0048][0049]
其中，图像长为m、高为n；f(u,v)表示频域图像，f(x,y)表示时域图像；u的范围为[0,m-1]，v的范围为[n,0-1]；e为自然常数，j为虚数单位(j2＝-1)，x,y为时域变量，u,v为频域变量。
[0050]
傅里叶变换后得到其频谱图；在频域里面，对于一幅图像，高频部分代表了图像的细节、纹理信息，低频部分代表了图像的轮廓信息。如果对一幅精细的图像使用低通滤波器，那么滤波后的结果就只剩下轮廓了；如果图像受到的噪声恰好位于某个特定的“频率”范围内，则可以通过滤波器来恢复原来的图像。在频率域内可以很方便的对图像的高频或低频信息进行操作，完成图像去噪、图像增强、图像边缘提取等操作。通过傅里叶变换可以把时域转化为频域，对频域函数直接做乘法，得到输出的频域函数，相当于在检测网络之前先进行一次卷积操作，使其更适应检测网络的输入，提高检测的准确率。
[0051]
2)瑕疵检测模块：瑕疵检测模块用于调用已训练好的yolov5模型对面料图像进行实时瑕疵检测，并输出检测结果。
[0052]
输入到检测模型(即已训练好的yolov5模型)中的待检测面料图像为上游系统传达的图像频域信号，检测结果由检测模型输出，包括面料瑕疵种类、大小、数量并进行记录。
[0053]
3)面料缺陷数据库模块：用于存储每一帧图像的检测结果，并更新模型训练数据。
[0054]
面料瑕疵检测系统会同步创建一个面料缺陷数据库，随着摄像头的扫描和实时检测，不断把每一帧图像的检测结果保存到缺陷数据库中，从而不断完善数据库，数据库中的数据可以作为训练数据，让检测模型进一步训练以提高模型检测的准确率。
[0055]
4)瑕疵分析模块：用于分析检测结果，判断是否输出警报信息，并得出布匹最终的检验结果。
[0056]
对于检测出来的瑕疵种类结果，建立瑕疵权重矩阵，根据瑕疵对布匹质量的影响
程度，赋予不同权重：假设瑕疵数量为q种，根据实地调研，赋予这q种瑕疵不同权重，得到权重矩阵v＝[v1，v2...vq]，瑕疵对面料质量影响越大，其权重占比也越大。在检测过程中，对不同瑕疵的数量进行计数，产生一个数量矩阵z＝[z1，z2...zq]，得到函数：
[0057][0058]
t为矩阵的转置，i是一个变量，表示当i＝1，2...q时，求(v1z1 v2z2 ...v
qzq
)的和，也就是v矩阵的转置(t)上乘上z；
[0059]
为输出结果设置一个阈值，若超过该阈值，该系统就会发出报警，提醒验布人员及时处理。
[0060]
对于检测出来的瑕疵大小结果，根据纺织行业验布标注
‑‑
美标四分制，对不同的瑕疵大小进行扣分，对扣的分数进行计分。一般来说，一匹布瑕疵扣分若超过12分，该布匹要进行降级。基于此，得出该布匹最后的等级检验结果。
[0061]
本发明还公开了该低成本的面料瑕疵检测系统的检测方法，主要为如下步骤：
[0062]
步骤一、图像收集及模型训练：摄像头对布匹进行实时扫描，采集图像信息，将这些图像作为训练数据来训练yolov5模型；
[0063]
步骤二、待检测图像预处理：摄像头实时扫描验布机上的布匹，在接收到待检测的图像信息后，由图像处理模块对图像进行像素变换和邻域变换来提高图像的对比度和亮度，并利用傅里叶变换将难以处理的图像时域信号转换成易于分析的图像频域信号；
[0064]
步骤三：检测模型进行瑕疵检测：接收到图像处理模型传达的图像频域信号后，瑕疵检测模块调用已训练好的yolov5模型对面料图像进行实时瑕疵检测，检测模型会输出瑕疵检测结果并进行记录。
[0065]
同步创建一个面料缺陷数据库，随着摄像头的扫描和实时检测，不断把每一帧图像的检测结果保存到面料缺陷数据库中，以此不断增加模型的训练数据。
[0066]
步骤四、反馈：根据瑕疵检测结果，瑕疵分析模块进行计分，输出警报信号，并给出布匹最终检测结果的判断，完成该布匹的面料瑕疵检测。
[0067]
由此，对于本发明所公开的低成本的面料瑕疵检测系统及方法，将传统摄像头视角范围内的图像增亮、提高对比度、分辨率等以供检测模型更准确的检测；在进行面料瑕疵检测的同时，连接数据库，逐步建立起完善的缺陷数据库，增加检测模型可持续学习的能力；根据不同瑕疵在纺织行业验布过程中的重要性，建立权重矩阵，根据一定标准提供报警，即可解决目前的智能检测设备无法减少人工成本的问题；
[0068]
与现有技术相比，本发明具有以下技术优势：
[0069]
1)本发明运用多项图像变换和处理技术，解决了传统摄像头分辨率低的问题，相较于目前常见的以工业摄像头或红外线设备为载体的检测设备，极大的降低了硬件成本，满足了一些中小型纺织企业的需要。
[0070]
2)在瑕疵检测的同时，建立面料缺陷数据库，在检测过程中收集训练数据，使模型更加准确。
[0071]
3)经过实地调研得知，目前纺织厂所用的一些检测设备都存在无法区别普通瑕疵
和“致命”瑕疵的问题，对于一些细微的瑕疵都会发出警报并停机，导致检测人员依然无法减少工作量，使得纺织企业不仅需要支付检测设备高昂的价格，而且无法减少人工成本。基于此，本发明设置了瑕疵权重，根据不同瑕疵的重要性来提供警报；并依据纺织行业的验布标准来进行瑕疵计分，有效的利用劳动力，提升了现有市场的生产效率，降低生产成本，提速整个生产过程，引领纺织行业高速发展。
[0072]
上述实施方式并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的技术人员在本发明的技术方案范围内所做出的变化、改型、添加或替换，也均属于本发明的保护范围。