CN119516242A 一种纺织品混纺比例瑕疵检测方法 （科大讯飞华南人工智能研究院（广州）有限公司）

本申请提供一种纺织品混纺比例瑕疵检测备的曝光时间和帧率，得到纺织品表面图像序于异常程度评估模型，构建混纺比例瑕疵分类位移，确保瑕疵检测结果与实际纺织品位置对2对振动状态下的混纺织品进行连续图像采集，根据振动频率与幅度对得到的纺织品表面图像序列进行预处理，根据混纺织品表面纹理对分割后的纺织品经纬线图像进行频域分析，通过计算频谱能量分布对检测到的纺织品经纬线异常区域进行边缘提取和连通区域标记分割，根据混纺比例瑕疵分类器，结合振动环境下瑕疵定位需求，对检测到不2.根据权利要求1所述的方法，其中，所述对振动状态下的混纺织品进行连续图像采采用摄像设备获取振动状态下混纺织品表面的连续图像序列，所述针对所述连续图像序列，通过自适应直方图均衡化对图像进纺织品表面图像序列；采用光流估计算法计算相邻帧之间的位移场，根据所述位移场对图像进行校稳定的纺织品表面图像序列。获取纺织品表面图像序列，对所述图像序列进行滤波处理，得根据所述去噪后的纺织品表面图像进行对比度增强处理，得到对比对所述滤波器响应进行主成分分析，选取前预设个主成4.根据权利要求1所述的方法，其中，所述对分割后的纺织品经纬线图像进行频域分3对分割后的纺织品经纬线图像进行二维快速傅里叶变换，得到表示纺织采用余弦相似度计算所述特征向量与预先建立的正常纺织品经纬线排列模板库中样针对判断为异常的经纬线区域，计算所述特征向量与模板还包括：根据纺织品类型和生产工艺参数动态调整异常检测获取预设参数库中与纺织品类型和生产工艺参数对当前批次样本进行实时统计分析，计算样本的经纬线密度和间距的均值与标准差，对纺织品图像进行区域划分，通过计算每个子区域灰度共生矩阵的利用所述特征向量构建局部仿射变换模型，将所述特征向量映射到仿射变换的参数对校正后的图像进行傅里叶变换，计算图像的频谱能量分布特征，根据异常区域面积与周长，计算圆形度及矩形度形状因子，确构建异常程度评估模型，通过几何特征向量及织造速度还包括：根据纺织品纹理复杂度选择对应的结构元素大小和形4获取纺织品图像的灰度共生矩阵特征，根据所述灰度共生矩阵若所述纹理复杂度指数大于预设阈值，则选择对应的结构元采用梯度下降法调整所述形态学运算参数，通过开运算和闭运算针对所述粗略轮廓图，应用连通区域标记算法，所述连通区域采用区域生长算法对所述初步分割的异常区域图像进行精细分割若满足所述生长准则，则扩展异常区域边界，直至区域边界根据所述最优参数对异常区域进行分类和异常程度量化评根据纺织品图像提取经纬线异常特征，所述经纬线异常特征包括异将经向和纬向均匀划分若干区域，计算每个区域内异常面积占5通过计算不同纤维类型面积比例和空间分布特征，得到表征混纺将经纬线异常特征向量、纤维分布特征向量和纹理特征向量采用根据混纺比例瑕疵分类器的输出结果，提取瑕疵区域边界，通采用卡尔曼滤波器对不同类型瑕疵区域中心位置进行预测和更新获取全局运动矢量，则结合所述全局运动矢量对所述卡尔根据所述补偿振动后的各类瑕疵区域实时位置和原始检6织品经纬线的排列方向和间距信息，根据预设的正常纺织品经纬线排列模板进行匹配比7像序列。[0019]具体的，根据振动频率范围10－1000Hz与振动幅度范围0.1－10mm采用速摄像设备对混纺织品进行连续图像采集，设置摄像设备曝光时间为0.5ms，采集帧率为8弦相似度计算所述特征向量与预先建立的正常纺织品经纬线排列模板库中样本的相似度，9[0028]具体的，根据纺织品类型和生产工艺参数从预设的参数库中提取对应的基准阈涤混纺织物，从参数库中提取基准阈值，如经纬密度偏差阈值±5间距变异系数阈值得到63维特征向量。将63维特征向量通过线性映射转换为仿射变换的6个参数(a11，a12，域的面积，使用Freeman链码法计算异常区域的周长，通过计算圆形度(4π*面积/(周长^通区域标记算法，采用两遍扫描法进行连通区域分割。第一遍扫描标记出5个潜在异常区[0032]根据纺织品纹理复杂度选择对应的结构元素大小和形状域精细化分割。梯度下降法调整所述形态学运算参数，通过开运算和闭运算操作得到异常区域粗略轮廓至区域边界像素数量变化率小于预设停止阈值，得到经纬线异常区域的精细分割结果图图应用连通区域标记算法，在传统两遍扫描法的基础上，引入3x3邻域的局部二值模式特采用主成分分析法对合并后的特征进行降维，设置累计贡献率阈值为95％选择主成分个[0040]根据纺织品图像提取经纬线异常特征，所述经纬线异常特征包括异常区域面积、在测试集上识别准确率达到94.5成功区分出纤维比例不均占37％、纤维分布不均占际纺织品位置的精确对应。对于一幅2048x2048像素[0045]上述