一种纺织品印染工艺中印染识别方法与流程

1.本发明涉及人工智能领域，具体涉及一种纺织品印染工艺中印染识别方法。


背景技术：

2.在进行纺织品印染缺陷检测时，一般通过两个平行辊轮转动带动纺织品移动，在纺织品正上方放置一个快拍相机采集纺织品图像，通过将采集的图像中印染信息与底版信息匹配来判断纺织品是否存在印染缺陷。然而这种检测方式会存在辊轮设备的速度波动或张力变化导致纺织品存在蛇形跑动现象，即存在一端纺织品运动速度较快，另一端运动速度较慢，此时就会存在纺织品的一端拉紧，一端松弛的状态，该现象就会造成同一水平线上印刷信息存在不同的形变，这种形变会被误检成缺陷，降低印染缺陷的检测精度。
3.常规的纺织品印染缺陷检测没有考虑速度波动或纺织品张力影响下造成的形变影响，直接进行缺陷检测，使得一些张力变化造成的形变被误检成缺陷。因此亟需一种方法用于消除纺织品变形造成的纹理形变，从而提高纺织品印染缺陷检测的准确性。


技术实现要素：

4.本发明提供一种纺织品印染工艺中印染识别方法，包括：获取纺织品灰度图和所有匹配点组；通过角点匹配得到各匹配点组的形变量；根据形变量拟合各区域的线性模型；利用各线性模型的拟合精度得到基于单区域分析的变形符合率；根据各线性模型的形变参数得到变形导致的纹理形变规律曲线；根据曲线上相邻点的变化情况得到基于整体分析的变形符合率，进而得到纹理形变符合率；根据纹理形变符合率判定纺织品中是否存在变形造成的纹理形变；利用线性模型去除纺织品中存在的变形造成的纹理形变，对只存在印染缺陷的纺织品图像进行缺陷检测，相比于现有技术，本发明通过分析同行印染纹理的形变关系，根据形变模型参数分析整张图像的形变规律，从而计算出纺织品变形造成的纹理形变符合率。根据拟合的形变模型去除纺织品变形造成的纹理形变，再进行纺织品印染缺陷判定，可以提高纺织品印染缺陷检测的准确性。
5.为达到上述目的，本发明采用以下技术方案，一种纺织品印染工艺中印染识别方法，包括：获取待测纺织品表面灰度图和底版图。
6.对灰度图和底版图进行角点匹配，得到所有匹配点组。
7.对灰度图和底版图进行区间划分得到各区域，根据匹配点组中的匹配点分别在灰度图和底版图中与之相邻区域的匹配点的纵向距离，得到各匹配点组的形变量。
8.以各匹配点组的横向像素距离为横坐标，各匹配点组的形变量为纵坐标，拟合得到各区域的线性模型。
9.根据拟合各区域线性模型的所有匹配点组的形变量计算得到各区域的线性模型的拟合精度。
10.利用每个区域拟合精度计算得到基于单区域分析的纺织品变形符合率。
11.以各区域的区域序列为横坐标，各区域的线性模型的形变参数为纵坐标，拟合得到纺织品变形导致的纹理形变规律曲线。
12.根据纺织品变形导致的纹理形变规律曲线上相邻点的变化情况得到基于整体分析的纺织品变形符合率。
13.利用基于单区域分析的纺织品变形符合率和基于整体分析的纺织品变形符合率得到待测纺织品变形造成的纹理形变符合率。
14.根据纹理形变符合率对待测纺织品中是否存在纺织品变形造成的纹理形变进行判定。
15.利用各区域的线性模型去除待测纺织品中存在的纺织品变形造成的纹理形变，得到只存在印染缺陷的待测纺织品图像。
16.对只存在印染缺陷的待测纺织品图像进行语义分割，得到待测纺织品中的印染缺陷。
17.进一步的，所述一种纺织品印染工艺中印染识别方法，所述待测纺织品表面灰度图是按照如下方式获取：采集待测纺织品表面图像。
18.对待测纺织品表面图像进行灰度化处理和透视形变修复，获取待测纺织品表面灰度图。
19.进一步的，所述一种纺织品印染工艺中印染识别方法，所述各匹配点组的形变量是按照如下方式得到：对灰度图和底版图进行区间划分得到各区域。
20.计算灰度图中相邻两区域间两较近匹配点之间的纵向距离。
21.获取底版图中与灰度图对应的两匹配点之间的纵向距离。
22.将灰度图中相邻两区域间两较近匹配点之间的纵向距离和底版图中与灰度图对应的两匹配点之间的纵向距离进行作差，得到各匹配点组的初始形变量。
23.根据底版图中与灰度图对应的两匹配点之间的纵向距离的均值对各匹配点组的初始形变量进行修正，得到各匹配点组的形变量。
24.进一步的，所述一种纺织品印染工艺中印染识别方法，所述各区域的线性模型的拟合精度是按照如下方式得到：对拟合各区域线性模型的所有匹配点组的形变量坐标集合进行凸包检测，获取各区域形变坐标点拟合凸包的长宽比。
25.利用各区域线性模型计算得到的拟合匹配点组的形变量和实际匹配点组的形变量，计算得到各区域的线性模型的拟合平均损失。
26.根据各区域形变坐标点拟合凸包的长宽比和各区域的线性模型的拟合平均损失，计算得到各区域的线性模型的拟合精度。
27.进一步的，所述一种纺织品印染工艺中印染识别方法，所述基于整体分析的纺织品变形符合率是按照如下方式得到：获取纺织品变形导致的纹理形变规律曲线上的最小极值点及其两侧点集合。
28.根据最小极值点两侧各点的形变参数计算得到最小极值点两侧两两相邻点之间的变化率。
29.根据最小极值点两侧两两相邻点之间的变化率获取最小极值点两侧不符合递增特征的点集合。
30.根据最小极值点两侧不符合递增特征的点集合中各点的形变参数，计算得到最小极值点两侧不符合递增特征的点波动偏差。
31.利用最小极值点两侧不符合递增特征的点对应的线性模型的拟合精度和点波动偏差，计算得到最小极值点两侧曲线的符合率。
32.将最小极值点两侧曲线的符合率相加得到基于整体分析的纺织品变形符合率。
33.进一步的，所述一种纺织品印染工艺中印染识别方法，所述待测纺织品变形造成的纹理形变符合率的表达式如下：式中，p为待测纺织品变形造成的纹理形变符合率，表示基于第k区域分析的纺织品变形符合率，表示总区域数，表示基于整体分析的纺织品变形符合率。
34.进一步的，所述一种纺织品印染工艺中印染识别方法，所述对待测纺织品中是否存在纺织品变形造成的纹理形变进行判定的过程具体如下：设置阈值，对待测纺织品中是否存在纺织品变形造成的纹理形变进行判定。
35.当待测纺织品变形造成的纹理形变符合率大于设置的阈值时，判定该纺织品中存在纺织品变形造成的纹理形变。
36.本发明的有益效果是：本发明通过分析同行印染纹理的形变关系，根据形变模型参数分析整张图像的形变规律，从而计算出纺织品变形造成的纹理形变符合率。根据拟合的形变模型去除纺织品变形造成的纹理形变，再进行纺织品印染缺陷判定，可以提高纺织品印染缺陷检测的准确性。
附图说明
37.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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性的前提下，还可以根据这些附图获得其他的附图。
38.图1为本发明实施例1提供的一种纺织品印染工艺中印染识别方法流程示意图；图2为本发明实施例2提供的一种纺织品印染工艺中印染识别方法流程示意图；图3为本发明实施例2提供的一种纺织品图像中相邻区域关键点之间的纵向距离示意图；图4为本发明实施例2提供的一种纺织品变形导致的纹理形变规律曲线示意图；图5为本发明实施例2提供的一种纺织品变形示意图。
具体实施方式
39.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
40.实施例1本发明提供一种纺织品印染工艺中印染识别方法，如图1所示，包括：s101、获取待测纺织品表面灰度图和底版图。
41.其中，灰度图，又称灰阶图。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。
42.s102、对灰度图和底版图进行角点匹配，得到所有匹配点组。
43.其中，角点匹配是利用harris角点匹配算法匹配得到纺织品灰度图与底版图像的成组匹配点。
44.s103、对灰度图和底版图进行区间划分得到各区域，根据匹配点组中的匹配点分别在灰度图和底版图中与之相邻区域的匹配点的纵向距离，得到各匹配点组的形变量。
45.其中，各匹配点组的形变量是经过修正的形变量。
46.s104、以各匹配点组的横向像素距离为横坐标，各匹配点组的形变量为纵坐标，拟合得到各区域的线性模型。
47.其中，线性模型是利用最小二乘法得到。
48.s105、根据拟合各区域线性模型的所有匹配点组的形变量计算得到各区域的线性模型的拟合精度。
49.其中，拟合精度是由凸包的长宽比和拟合损失量得到。
50.s106、利用每个区域拟合精度计算得到基于单区域分析的纺织品变形符合率。
51.其中，拟合精度越大，表明纹理形变是由纺织品变形造成的可能性越高。
52.s107、以各区域的区域序列为横坐标，各区域的线性模型的形变参数为纵坐标，拟合得到纺织品变形导致的纹理形变规律曲线。
53.其中，纹理形变规律曲线需要进行高斯平滑处理。
54.s108、根据纺织品变形导致的纹理形变规律曲线上相邻点的变化情况得到基于整体分析的纺织品变形符合率。
55.其中，基于整体分析的纺织品变形符合率是由曲线上最小极值点两侧的曲线符合率得到。
56.s109、利用基于单区域分析的纺织品变形符合率和基于整体分析的纺织品变形符合率得到待测纺织品变形造成的纹理形变符合率。
57.其中，纹理形变符合率越高，纺织品中存在纺织品变形造成的纹理形变的概率越大。
58.s110、根据纹理形变符合率对待测纺织品中是否存在纺织品变形造成的纹理形变进行判定。
59.其中，设置阈值，通过比较待测纺织品的纹理形变符合率与阈值的关系对待测纺织品进行判定。
60.s111、利用各区域的线性模型去除待测纺织品中存在的纺织品变形造成的纹理形变，得到只存在印染缺陷的待测纺织品图像。
61.其中，利用形变规律进行去除纺织品变形造成的纹理形变。
62.s112、对只存在印染缺陷的待测纺织品图像进行语义分割，得到待测纺织品中的印染缺陷。
63.其中，利用dnn的方式即可实现缺陷定位。
64.本实施例的有益效果是：本实施例通过分析同行印染纹理的形变关系，根据形变模型参数分析整张图像的形变规律，从而计算出纺织品变形造成的纹理形变符合率。根据拟合的形变模型去除纺织品变形造成的纹理形变，再进行纺织品印染缺陷判定，可以提高纺织品印染缺陷检测的准确性。
65.实施例2本发明的主要目的是：利用计算机视觉，通过处理印染图像，通过分析同行的形变量得到纺织品变形造成的形变关系，去除纺织品变形造成的形变量，从而实现精确的印染缺陷检测。
66.本发明提供一种纺织品印染工艺中印染识别方法，如图2所示，包括：s201、采集纺织品图像。
67.通过两辊轮的转动使得纺织品进行移动，在纺织品正上方设置一个快拍相机采集纺织品图像，通过对比纺织品图像与底版图像信息来实现印染缺陷检测。本实施例通过处理采集到的纺织品图像信息，来实现纺织品印染缺陷检测。
68.本实施例需要根据纺织品图像来实现印染缺陷检测，所以需先采集纺织品图像并进行灰度化处理，去除透视形变影响。
69.采集纺织品图像：在纺织品正上方设置快拍相机，通过上下两个平行辊轮转动来带动纺织品实时移动，相机通过间歇快拍来采集图像，相机的间歇时间可根据辊轮转动速度调整，辊轮的速度不宜过快，防止存在移动模糊现象。
70.灰度化处理：将采集纺织品图像从rgb颜色空间转换到灰度空间得到灰度图像。
71.s202、对灰度图进行透视形变修复。
72.为了防止纺织品图像中存在的中间大四周小的透视形变，影响纺织品变形造成的纹理形变判定，需先去除纺织品中的透视形变。
73.根据相机与纺织品的相对位置关系，构建出透视形变转换模型，通过该透视模型来去除。去除透视形变的方法属于常规技术，本实施例不进行具体阐述。
74.至此，通过上述处理得到的图像中只包含张紧程度不同造成的形变和印染缺陷形变，因而下面只需将纺织品变形造成的纹理变形排除即可实现精确的印染缺陷。
75.目前，印染缺陷检测时没有考虑张紧变化造成的纺织品形变的影响，造成纺织品印染缺陷误检现象。
76.本实施例通过分析同行纺织品的纹理形变量，来构建形变规律模型，通过不同行的形变模型参数分析整张图像中的形变规律，从而计算出纺织品形变符合率，利用各行形变关系模型来去除纺织品变形造成的纹理形变的影响，实现精确的缺陷检测。
77.所述同行形变关系是基于同行纺织品形变呈现线性的变化规律假设。
78.s203、获取纹理点的形变量。
79.1.对采集到的纺织品图像和底版图像进行角点匹配：利用harris角点匹配算法匹
配得到纺织品图像与底版图像的成组匹配点。
80.2.通过角点匹配结果计算形变量：（1）划分区间：平行于纺织品宽边以10像素为间隔作若干平行线，通过该平行线将纺织品图像划分成若干区域。
81.（2）计算形变量：获取纺织品图像中相邻两区域的若干关键点，获取两区域间两较近关键点之间的纵向距离（如图3所示），此处k表示第k区域和k 1区域的关键点组成的点组，i表示该区域内第i个点组。
82.①
获取与其对应底版图像中匹配点之间的纵向距离，计算两匹配点组之间的形变量：
②
将形变量进行同基数修正：由于关键点之间的距离不尽相同，因而其造成的形变量会受距离的影响，因而将点组的形变量修正为等距点组的形变量，计算底版中对应点组的纵向距离平均数,以此为基准计算点组与纵向距离平均数之间的比例关系：各点组的修正后形变量：s204、分析同行的形变关系。
83.（1）拟合出同行（相邻两区域关键点称为同行）的形变模型。
84.将关键点组的横向像素距离作为横坐标，形变量作为纵坐标，拟合出同行各关键点组构成的点坐标集合，基于该点坐标集合利用最小二乘法拟合出线性模型。
85.此处表示第k行关键点组的横向像素距离，y表示第k行关键点组的形变量，表示第k行的线性模型的常量参数。
86.（2）计算线性模型的拟合精度。
87.①
通过凸包的长宽比计算线性符合率。
88.1）将上述拟合的关键点组的形变量坐标集合进行凸包检测，凸包检测方法为现有技术。
89.2）计算凸包的长宽比。
90.获取凸包的最大长度和垂直于最大长度的宽度值,该凸包的长宽比越大，说明该坐标点集合符合线性模型的概率越大。
91.②
计算拟合损失量。
92.利用线性模型计算出各点的拟合形变量,和实际形变量,因而该模型的拟合平均损失为：此处n表示第k行的关键点组的对数。
93.③
计算拟合精度。
[0094] 为第k行的线性模型的拟合精度，表示第k行形变坐标点拟合凸包的长宽比，该值越大，说明线性特征越明显，因而该模型的拟合精度越高，表示第k行线性模型的拟合损失量，该值越大，表明该线性模型拟合精度越低。
[0095]
s205、通过形变关系判定纺织品变形符合率。
[0096]
由于纺织品变形会造成同行印染纹理会呈现线性关系，且该线性关系参量数值不能为0，通过拟合的形变模型的参数和拟合精度来计算纺织品变形造成的形变符合率：此处为第k行线性模型的拟合精度，该值越大说明线性模型的拟合精度越高，而纺织品变形会引起同行纺织品纹理的线性变化，因而该值越大，也能表明纹理形变是由纺织品变形造成的可能性越高，表示线性模型产量的增量关系，由于纺织品变形导致纹理从纺织品一侧至另一侧存在一定的增量关系，因而该值越大，说明存在增量变化的可能性越大，也说明纹理形变是由于纺织品变形造成的可能性较大。
[0097]
由于纺织品变形会存在形变规律的连续变化，因而可以通过形变规律的连续性渐增、渐减的关系来判断纺织品中纹理形变是否由于纺织品变形造成的。因而下面通过不同行之间的形变关系渐变性特征来表征纹理形变是由纺织品变形造成的形变符合率。
[0098]
s206、分析不同行之间的形变规律变化规律。
[0099]
通过不同行的形变参数的渐变特征来计算形变规律变化率，该渐变特征正常应接近如图4所示的变化规律，即中间某点形变参数最小，向两侧连续递增的特征。
[0100]
存在该特征的原因为纺织品呈现如图5所示向下凹陷的形状，在凹陷最大处纹理形变量最小，从该处出发往两侧逐渐增加。
[0101]
（1）拟合曲线：
以各行形变模型中的形变参数为纵坐标和行序列为横坐标，拟合出坐标点，利用该坐标点拟合出曲线，并将该曲线进行高斯平滑处理。
[0102] （2）形变纺织品变形符合率：a.分别获取最小极值点两侧的点集合,将极值点所对应的形变参数记为,极值点左侧形变参数记为，极值点右侧点的形变参数记为，计算左侧两两相邻点之间的变化率：此处表示左侧第i个点的形变参数，表示左侧第i 1个点的形变参数（注：与极值点邻接的左侧点为第1个形变参数点），类比该方式得到右侧两两相邻点的变化率。
[0103]
b.获取不符合递增特征的点集合，计算不符合递增特征的点波动偏差，以左侧点集合介绍具体计算方式：此处表示左侧的第q个形变参数，该点为不符合递增特征点，表示左侧的第q 1个形变参数,表示第q个点的波动量。表示极小值处的形变参数，表示最左侧的形变参数，表示左侧点的平均波动量。表示波动偏差。
[0104]
c.计算左侧曲线符合率：此处表示表示左侧第z个递增特征不符合点的波动偏差，该值越大说明该值不符合递增特征越明显，表示左侧第z个递增特征不符合点对应的形变曲线的拟合精度。e表示左侧所有不符合递增特征的点的数量。该精度越大，说明该形变参数的拟合准确性越高，曲线符合率不是受形变参数的拟合准确性影响，而是本身值不符合该曲线分布，因而该符合率越高。
[0105]
类比该方式得到右侧曲线的递增特征符合率,曲线的符合率为：
s207、计算纺织品变形符合率。
[0106]
为纺织品变形符合率，表示基于单行分析的整体符合率，该符合率越高纺织品变形造成的形变符合率越高，表示总行数，表示基于整体分析的符合率，通过分析整张纺织品的形变应该符合该形变曲线，形变曲线的符合率越高说明纺织品变形符合率越高。
[0107]
s208、消除纺织品变形形变，进行缺陷检测。
[0108]
1.纺织品变形可能性判定：当纺织品变形符合率时，判定该纺织品图像中存在纺织品变形造成的纹理形变，反之则认定该纺织品图像中不存在纺织品变形造成的纹理形变。
[0109]
2.消除纺织品变形造成的纹理形变：当纺织品图像中存在纺织品变形造成的纹理形变时，利用形变规律进行去除纺织品变形造成的纹理形变。前面过程已得到各行的形变规律，通过形变公式计算出各关键点的形变量，利用该形变量进行纹理形变修正。
[0110]
3.进行缺陷检测：纺织品变形造成的纹理形变去除后，则认为该纺织品图像中只存在印染缺陷，因而利用dnn的方式即可实现缺陷定位。
[0111]
本实施例的有益效果是：本实施例通过分析同行印染纹理的形变关系，根据形变模型参数分析整张图像的形变规律，从而计算出纺织品变形造成的纹理形变符合率。根据拟合的形变模型去除纺织品变形造成的纹理形变，再进行纺织品印染缺陷判定，可以提高纺织品印染缺陷检测的准确性。
[0112]
以上所述仅为本发明的较佳实施例而已，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。