[发明专利]基于EfficientDet的织物瑕疵检测方法

权利要求书

1.一种基于EfficientDet的织物瑕疵检测方法，其特征在于包括如下步骤：

S01，验布机相机实时扫描图片，图像数据传输到软件模块进行预处理；

S02，基于人工智能芯片，对EfficientDet模型进行NAS，保存模型文件；

S03，读取保存的EfficientDet，实时高速检测读入的布匹图片中存在的瑕疵；

S04，将检测到的瑕疵和图片对应信息保存到数据中心；

S05，将检测到的瑕疵加以标记输出到软件用户界面。

2.根据权利要求1所述的一种基于EfficientDet的织物瑕疵检测方法，其特征在于，S01包括以下步骤：

S01.1，实时读入相机扫描图片，进行裁边和对齐等处理；

S01.2，对读入的图像分辨率缩放为原来的1/2再输入到算法中。

3.根据权利要求1所述的一种基于EfficientDet的织物瑕疵检测方法，其特征在于，S02包括以下步骤：

S02.1，对EfficientNet的主干网络以512+Φ*128的方式缩放；

S02.2，特征融合网络BiFPN以64*(1.35Φ)和3+Φ分别对宽度和宽度缩放；

S02.3，边界框/类别预测网络都以3+Φ/3的方式进行缩放；

S02.4，将上述三种缩放方式复合起来，得到参数量和FLOPS都少一个数量级的EfficientDet，并将搜索到的EfficientDet模型保存下来。

4.根据权利要求1所述的一种基于EfficientDet的织物瑕疵检测方法，其特征在于，S03包括以下步骤：

S03.1，读取保存下来的参数文件，解析EfficientDet模型，加载模型权重；

S03.2，缩放处理后的当前图像进入EfficientDet的的基础网络层，进行卷积和最大值池化交替处理，输出P3-P7共5层特征向量，每层的feature map按2的指数缩小；

S03.3，经过基础网络层得到的P3-P7共5层特征向量输入到BiFPN特征融合网络中，BiFPN是一个由上向下和由下向上组合成的双向的FPN网络，在BiFPN中五个feature map进行权重特征融合，最后输出同样得到5个融合特征向量；

S03.4，得到的5个融合特征向量，分别都输入到类别预测网络和瑕疵位定位网络，最后得到预测框，每个预测框包含5个值：x，y，w，h和目标置信度confidence，每个框还对应36种瑕疵类别，得到瑕疵类别概率和瑕疵框位置；

S03.5，通过整合预测层的输出数据，得到一系列瑕疵框，设置阈值过滤置信度得分低的瑕疵框，最后对保留的目标框进行软极大抑制处理，去掉重复框，选取目标类别出现概率最高的目标卡，并输出其具体目标。

5.根据权利要求1所述的一种基于EfficientDet的织物瑕疵检测方法，其特征在于，S04包括以下步骤：

S04.1，检测到的瑕疵通过后端控制中心程序转发到数据中心，通过MySQL保存下来；

S04.2，经过数据中心统一处理后，统计信息发送给注册负责人。

6.根据权利要求1所述的一种基于EfficientDet的织物瑕疵检测方法，其特征在于，S05包括以下步骤：

S05.1，检测到的瑕疵由后端控制中心程序通过socket通信实时转发到前端页面，前端页面加以处理展示出来；

S05.2，前端页面通过暂停、开始、设置光源等来远程控制后端控制中心程序。