[发明专利]一种实时智能验布方法及系统

权利要求书

1.一种实时智能验布方法，其特征在于，具体包括以下步骤：

步骤S1，采用线扫相机对快速运动的布匹进行实时图像采集，得到若干实时布匹图像；

步骤S2，对各所述实时布匹图像进行图像预处理得到预处理布匹图像；

步骤S3，根据预先生成的二分类模型中对各所述预处理布匹图像进行预测，得到各所述预处理布匹图像的布匹缺陷概率，并将所述布匹缺陷概率与预设的概率阈值进行比较：

若所述布匹缺陷概率小于所述概率阈值，则退出；

若所述布匹缺陷概率不小于所述概率阈值，则转向步骤S4；

步骤S4，根据预先生成的目标检测模型对所述布匹缺陷概率对应的所述预处理布匹图像进行预测，得到各所述预处理布匹图像的布匹缺陷区域以及所述布匹缺陷区域对应的布匹缺陷类型。

2.根据权利要求1所述的实时智能验布方法，其特征在于，所述步骤S2具体包括：

步骤S21，将各所述实时布匹图像分别进行图像切割得到第一切割图像；

步骤S22，将各所述第一切割图像分别进行图像切割得到第二切割图像；

步骤S23，分别对各所述第二切割图像进行图像增强得到预处理布匹图像。

3.根据权利要求2所述的实时智能验布方法，其特征在于，所述步骤S23中，所述图像增强采用的方法为直方图均衡化。

4.根据权利要求2所述的实时智能验布方法，其特征在于，执行所述步骤S4之后，还包括对包含所述布匹缺陷区域以及对应的所述布匹缺陷类型的各所述预处理布匹图像进行后处理的过程，具体包括：

根据进行所述图像切割前的各所述预处理布匹图像之间的相对位置关系，将各所述预处理布匹图像进行还原，得到还原布匹图像，并根据所述还原布匹图像获取尺寸大于所述第二切割图像尺寸的所述布匹缺陷区域。

5.根据权利要求1所述的实时智能验布方法，其特征在于，还包括预先生成所述二分类模型的过程，具体包括：

步骤A1，获取包含缺陷区域的若干缺陷布匹图像，分别在各所述缺陷布匹图像上对所述缺陷区域进行标注得到包含真实标注区域及对应的缺陷类型的缺陷布匹标注图像，并将各所述缺陷布匹标注图像加入一第一数据集；

步骤A2，将所述第一数据集中的各所述缺陷布匹标注图像分别进行切割，得到若干图像块，并将包含所述真实标注区域及对应的所述缺陷类型的所述图像块记为正样本，以及将不包含所述真实标注区域及对应的所述缺陷类型的所述图像块记为负样本，得到包含所述正样本和所述负样本的一第二数据集；

步骤A3，根据所述第二数据集训练得到所述二分类模型。

6.根据权利要求5所述的实时智能验布方法，其特征在于，所述步骤A2中，还包括将所述正样本进行数据增强，使得所述正样本与所述负样本之间的数量达到一预设比例。

7.根据权利要求6所述的实时智能验布方法，其特征在于，所述预设比例的取值范围为[0.5，1]。

8.根据权利要求1所述的实时智能验布方法，其特征在于，还包括预先生成所述目标检测模型的方法，具体包括：

步骤B1，获取包含缺陷区域的若干缺陷布匹图像，分别在各所述缺陷布匹图像上对所述缺陷区域进行标注得到包含真实标注区域及对应的缺陷类型的缺陷布匹标注图像，并将各所述缺陷布匹标注图像加入一第三数据集；

步骤B2，根据所述第三数据集训练得到所述目标检测模型。