[发明专利]布料缺陷检测方法、设备和介质

说明书

本发明实施例提供一种布料缺陷检测方法、设备和介质，所述检测方法包括：获得检测布料图片；对所述检测布料图片进行第一卷积神经网络处理，获得空间特征数据；对所述检测布料图片进行第二卷积神经网络处理，获得细节特征数据，所述第二卷积神经网络比第一卷积神经网络的层次浅，所述第二卷积神经网络比第一卷积神经网络的通道宽；融合所述空间特征数据和所述细节特征数据，获得图片数据；基于所述图片数据，判断布料的缺陷信息。本发明实施例可以提高检测精度。

技术领域

本发明实施例涉及图像识别技术领域，尤其涉及一种检测方法、设备和介质。

背景技术

织物材料加工过程中，容易在布料表面形成一定的瑕疵。参考图1和图2，分别示出了两种带有瑕疵的布料示意图。图1中布料表面上有一条较长的拼缝瑕疵10。图2中布料表面有一个不太明显的污点瑕疵20。

现有技术会对织物材料加工程序中布料进行图像采集，获得输入图像，之后针对输入图像进行分析以实现瑕疵检验。但是现有的瑕疵检测存在精度不够的问题。具体地说，图2中的矩形框30为现有检测方法输出的瑕疵检测结果，然而布料上的污点瑕疵20并没有位于矩形框30的范围内，也就是说，所述方法并没有准确地把污点瑕疵20检测到。

发明内容

本发明解决的问题是提供一种检测方法、设备和介质，提高检测精度。

本发明技术方案提供一种布料缺陷检测方法，包括：获得检测布料图片；对所述检测布料图片进行第一卷积神经网络处理，获得空间特征数据；对所述检测布料图片进行第二卷积神经网络处理，获得细节特征数据，所述第二卷积神经网络比第一卷积神经网络的层次浅，所述第二卷积神经网络比第一卷积神经网络的通道宽；融合所述空间特征数据和所述细节特征数据，获得图片数据；基于所述图片数据，判断布料的缺陷信息。

可选地，融合所述空间特征数据和所述细节特征数据，获得图片数据的步骤包括：基于一预设权重融合所述空间特征数据和所述细节特征数据，获得图片数据。

可选地，在获得检测布料图片之前，所述布料缺陷检测方法还包括：建模步骤，包括：获得样本图片；对所述样本图片进行所述第一卷积神经网络处理，获得样本空间特征数据；对所述样本图片进行所述第二卷积神经网络处理，获得样本细节特征数据；基于初始权重，融合所述样本空间特征数据和样本细节特征数据，获得样本图片数据，完成一次训练；通过多次训练不断调整所述初始权重，在所述样本图片数据的损失符合规格值时，以调整后的权重作为预设权重。

可选地，所述获得检测布料图片的步骤包括：获得原始图片；对所述原始图片进行等量切割，获得多个检测布料图片；基于所述图片数据，判断检测布料图片上的缺陷信息的步骤包括：对多个检测布料图片对应的图片数据进行合并，基于合并后的数据判断缺陷的位置和/或种类。

可选地，所述第二卷积神经网络包括VGG网络，所述第一卷积神经网络包括MobileNet V2网络；或者，所述第一卷积神经网络包括Mobilenet V2网络，以及，特征图像金字塔，用于对Mobilenet V2网络输出的数据进行处理；或者，所述第一卷积神经网络包括ResNet 50网络、特征图像金字塔和全卷积网络。

相应的，本发明实施例还提供一种布料缺陷检测数据处理方法，包括：根据上述任意一项检测方法获取布料的缺陷信息；根据至少所述缺陷信息，确定缺陷处理方式。

可选地，当缺陷信息包括缺陷位置时，根据所述缺陷位置信息计算相邻两缺陷参考线之间的距离；根据预设条件确定断料区域，所述预设规则为将所述距离小于预设阈值且连续的缺陷组合形成的区域作为断料区域；分别获取每一所述断料区域和所述断料区域以外的每一孤立缺陷的边缘参考线；根据所述边缘参考线确定所述布料的断料位置信息。

相应地，本发明实施例还提供一种介质，其上存储有计算机指令，所述计算机指令运行本发明实施例所述方法的步骤。