[发明专利]一种缝纫线迹缺陷检测方法

说明书

本发明公开了一种缝纫线迹缺陷检测方法，具体按照以下步骤实施：(1)采集各类型的缝纫线迹缺陷，并对缝纫线迹缺陷进行分类命名，并将具体的命名输入至SVM分类器的数据库中；(2)采用HOG特征检测方法对缝迹样本图像进行特征提取，得到缝迹样本图像的HOG特征；(3)将步骤2提取到的HOG特征输入至SVM分类器中进行训练，得到可进行缝纫线迹缺陷识别的SVM分类器；(4)采集缝纫线迹缺陷的测试样本，将测试样本输入到步骤3训练好的SVM分类器中进行识别。该缝纫线迹缺陷检测方法，从机器视觉解决了缝纫线迹通过人工目视和主观印象做出评判，存在工作量巨大，且容易由于视觉疲劳造成漏检和误检现象发生的问题。

技术领域

本发明属于视觉测量技术领域，特别是涉及一种基于机器视觉的缝纫线迹缺陷检测方法。

背景技术

缝纫线迹的好坏是评判缝纫制品的重要标准。目前，缝纫线迹的外观质量检测都是由生产线工人通过目视和主观印象做出评判，这种检测方式一方面需要大量的工人工作在检测线上；另一方面这种方式从效率、精度以及人工视觉疲劳各方面都达不到检测标准，尤其在大批量生产检测的情况下，往往会存在缝纫线迹缺陷漏检和误检的情况，导致部分不合格的缝纫制品流入市场，影响企业形象。

因此在缝制完毕后，需要提供一种方法保证对线迹缺陷检测的可靠性和快速性，基于机器视觉的缝纫线迹缺陷检测技术克服人工检测的不足，满足工业自动化生产中的高速、高精度的线迹品质检测。

发明内容

本发明的目的在于提供了一种缝纫线迹缺陷检测方法，从机器视觉解决缝纫线迹通过人工目视和主观印象做出评判，存在工作量巨大，且容易由于视觉疲劳造成漏检和误检现象发生的问题。

为了实现上述目的，本发明所采用的技术方案是，一种缝纫线迹缺陷检测方法，具体按照以下步骤实施：

步骤1.采集各类型的缝纫线迹缺陷，并对缝纫线迹缺陷进行分类命名，并将具体的命名输入至SVM分类器的数据库中；

步骤2，采用HOG特征检测方法对缝迹样本图像进行特征提取，得到缝迹样本图像的HOG特征；

步骤3，将步骤2提取到的HOG特征输入至SVM分类器中进行训练，得到可进行缝纫线迹缺陷识别的SVM分类器；

步骤4，采集缝纫线迹缺陷的测试样本，将测试样本输入到步骤3训练好的SVM分类器中进行识别。

本发明的特点还在于，

在所述步骤1中缝纫线迹缺陷的类别包括单链式重线、单链式断线、单链式线头缺陷、双链式重线、双链式断线和双链式线头缺陷。

所述步骤2具体如下进行：

步骤2.1，获取缝迹样本图像，对缝迹样本图像的RGB分量分别乘以权重，经过运算得到灰度图像，运算公式为：

Y＝0.3R+0.59G+0.11B (1)

步骤2.2，对步骤2.1得到的灰度图像进行Gamma压缩处理，Gamma压缩公式为：

Y(x,y)＝I(x,y)^gamma,gamma∈(0,1) (2)

式中，I(x,y)为缝迹样本图像中像素点(x,y)的灰度值，Y(x,y)为进行Gamma校正后像素点(x,y)的灰度值；

步骤2.3，确定步骤2.2中进行Gamma压缩处理后的灰度图像中的线迹区域，将线迹区域分割为细胞网格，计算细胞网格中每个细胞图像的水平方向和垂直方向的梯度并计算梯度方向，得出缝迹的轮廓信息，每个细胞图像中像素点(x,y)的梯度值可表示为：

G_x(x,y)＝H(x+1,y)-H(x-1,y) (3)