[发明专利]基于Yolo卷积神经网络的布匹表面瑕疵识别方法、装置及系统

权利要求书

1.一种基于Yolo神经网络的布匹瑕疵识别方法，其特征在于，包括以下步骤：

利用OpenCV，通过对数据集中的布匹图片进行阈值二值化和检测轮廓后裁剪，依次采用光照均衡化、自适应二值化以及中值滤波方法对图片进行处理；

利用OpenCV随机地调整预先获得的布匹图片的Gamma曲线和对比度参数，获得布匹图片数据集；

利用处理后的布匹图片对Yolo v3神经网络进行训练；

利用训练好的Yolo v3神经网络识别预处理后的待识别布匹图片，给出识别结果，所述识别结果包括瑕疵属性。

2.根据权利要求1所述的一种基于Yolo神经网络的布匹瑕疵识别方法，其特征在于，对待识别布匹图片进行预处理的方法包括：

首先使用二值化方法将布匹区域与非布匹区域分开；

利用findContours算法对布匹区域进行边缘检测，根据检测到的布匹区域裁剪图片，舍弃非布匹部分。

3.根据权利要求1所述的一种基于Yolo神经网络的布匹瑕疵识别方法，其特征在于，所述的光照均衡化的方法为：首先将图片分为多个设定像素的矩形区域，分别计算每一个区域的平均灰度；利用计算得到的灰度均值对每一个区域分别进行亮度补偿。

4.一种基于Yolo神经网络的布匹瑕疵识别装置，其特征在于，包括：

数据集扩充模块、图像预处理模块和神经网络训练以及识别模块；

所述数据集扩充模块，用于利用OpenCV随机地调整预先获得的布匹图片的Gamma曲线和对比度参数，获得布匹图片数据集；

所述图像预处理模块，用于利用OpenCV，通过对数据集中的布匹图片进行阈值二值化和findContours检测轮廓后裁剪，依次采用光照均衡化、自适应二值化以及中值滤波方法对图片进行处理；

所述神经网络训练以及识别模块，用于利用训练好的Yolo v3神经网络识别预处理后的布匹图片，给出识别结果。

5.根据权利要求4所述的一种基于Yolo神经网络的布匹瑕疵识别装置，其特征在于，还包括图像采集模块，

所述图像采集模块，用于采集布匹表面的图片。

6.根据权利要求4所述的一种基于Yolo神经网络的布匹瑕疵识别装置，其特征在于，还包括瑕疵参数筛选过滤模块，

所述瑕疵参数筛选过滤模块，用于根据选定的瑕疵属性对所述神经网络训练以及识别模块识别出的瑕疵进行筛选和过滤。

7.根据权利要求4所述的一种基于Yolo神经网络的布匹瑕疵识别装置，其特征在于，还包括用于对识别结果进行存储和备份的识别结果存储以及备份模块。

8.根据权利要求4所述的一种基于Yolo神经网络的布匹瑕疵识别装置，其特征在于，还包括统计查询模块，用于根据查询条件查询结果存储以及备份模块所存储的识别结果，并将结果返回。

9.根据权利要求4所述的一种基于Yolo神经网络的布匹瑕疵识别装置，其特征在于，还包括用于响应于各类瑕疵在各时段中被识别到的数量超过阈值发出报警信号的故障预警模块。

10.一种基于Yolo神经网络的布匹瑕疵识别系统，其特征在于，

包括网页端、PC端、数据库服务器以及权利要求4～9任意一项权利要求所述的一种基于Yolo神经网络的布匹瑕疵识别装置；

所述网页端和PC端用于与权利要求4～9任意一项权利要求所述的一种基于Yolo神经网络的布匹瑕疵识别装置进行交互；

所述一种基于Yolo神经网络的布匹瑕疵识别装置用于采用OpenCV对布匹图片进行边缘检测，针对布匹部分单独进行光照补偿、二值化并调整然后随机调整Gamma曲线以扩大数据集；对于经过处理后的数据集，利用Yolo v3神经网络进行训练，最终用训练好的模型进行瑕疵检测与识别；

所述数据库服务器模块用于存储一种基于Yolo神经网络的布匹瑕疵识别装置上传的的布匹瑕疵识别结果。