[发明专利]一种基于深度学习模版匹配算法检测成衣印花缺陷的方法

说明书

本发明公开了一种基于深度学习模版匹配算法检测成衣印花缺陷的方法，包括如下步骤：模版获取：服装生产前，采集第一张完整的印花成品作为模版，并记录其在相机所拍影像中的相对位置；样本采集：服装大量生产时，透过先前记录的相对位置，利用模版图进行传统算法的模版匹配找到与模版图最相似的图片，将该位置抠出作为样本图；图像处理：将模版图和样本图作为Siamese diff Unet模型的输入，进而得到输出的heat map图；缺陷滤出：设定门限值将缺陷几率太小的值滤除，获取heat map缺陷图；缺陷拾取：将heat map缺陷图进行二值化处理，获取对应的缺陷mask图，本发明设计合理，能够大大提升成衣印花的检测精度、检测效率以及鲁棒性。

技术领域

本发明涉及缺陷检测技术领域，尤其涉及一种基于深度学习模版匹配算法检测成衣印花缺陷的方法。

背景技术

在现今的服装工业里，印花的质检是生产前期重要的一环，也是确保生产品质重要的环节之一。如果可以在前期检测时就发现大批量的缺陷，就可以提前停止并维修机台，避免大量损失。现今利用深度学习或是机器学习来训练缺陷检测模型已经是显学了，但在对于印花质检上仍有相当大的难度，原因是印花的缺陷和印花的样式非常广泛不固定，所以没办法用传统的视觉算法来检测。所以现阶段大部份的成衣印花制造工厂都还是使用人工检测的方式，不仅浪费人力，而且在长期使用眼力的情况下，工人的眼睛容易疲劳，很容易造成缺陷漏检的状况产生，存在一定的缺陷。

发明内容

本发明的目的在于克服现有技术中存在的上述问题，提供一种基于深度学习模版匹配算法检测成衣印花缺陷的方法，提升成衣印花检测的检测精度、检测效率以及鲁棒性。

为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

一种基于深度学习模版匹配算法检测成衣印花缺陷的方法，包括如下步骤：

S100、模版获取：服装生产前，采集第一张完整的印花成品作为模版，并记录其在相机所拍影像中的相对位置；

S200、样本采集：服装大量生产时，透过先前记录的相对位置，利用模版图进行传统算法的模版匹配找到与模版图最相似的图片，将该位置抠出作为样本图；

S300、图像处理：将模版图和样本图作为Siamese diffUnet模型的输入，进而得到输出的heat map图，在Siamese diffUnet模型输出前进行softmax分类，获取两张跟原图大小相同的heat map图，两张heat map图分别为像素为背景的几率，像素为缺陷的几率，其中softmax损失函数为Cross-entropy loss＝-(ylog(p)+(1-y)log(1-p))；

S400、缺陷滤出：设定门限值将缺陷几率太小的值滤除，获取heat map缺陷图；

S500、缺陷拾取：将heat map缺陷图进行二值化处理，获取对应的缺陷mask图。

优选地，上述基于深度学习模版匹配算法检测成衣印花缺陷的方法中，步骤S100中，印花成品为试生产过程中工人认为目前生产的成品无误，将其采图成为模版。

优选地，上述基于深度学习模版匹配算法检测成衣印花缺陷的方法中，步骤S300中，Siamese diff Unet模型中输入图片的通道数C＝3。

优选地，上述基于深度学习模版匹配算法检测成衣印花缺陷的方法中，步骤S400中，门限值为0.8～0.9。

本发明的有益效果是：

本发明设计合理，基于Siamese diffUnet模型使用模版匹配的方法应用在成衣印花检测上，不需要事先定义缺陷类型和印花样式就可以检测，用以代替人工检测，可提升检测精度，检测效率和鲁棒性。