[发明专利]布料瑕疵识别模型的训练方法和布料瑕疵的检测方法

权利要求书

1.一种布料瑕疵识别模型的训练方法，其特征在于，包括：

提供多个样本的基础数据，所述基础数据对应所述样本中已知布料瑕疵的轮廓；

基于每个所述样本的所述基础数据获取多个训练数据；以及

基于带有所述多个训练数据的所述样本对神经网络模型进行训练，以使得所述神经网络模型能基于所述样本输出与所述多个训练数据分别对应的多个轮廓识别数据。

2.根据权利要求1所述的训练方法，其特征在于，所述基于带有所述多个训练数据的所述样本对神经网络模型进行训练包括：

提取所述样本的特征信息；

将所述特征信息输入所述神经网络模型，以获取与所述多个训练数据分别对应的多个轮廓识别数据；

基于所述多个轮廓识别数据以及所述多个训练数据获得损失结果；以及

基于所述损失结果，调整所述神经网络模型的参数。

3.根据权利要求2所述的训练方法，其特征在于，所述将所述特征信息输入神经网络模型，以获取与所述多个训练数据分别对应的多个轮廓识别数据包括：

利用卷积核大小为1×1，输出通道数为N的卷积层对所述特征信息进行卷积，以获得所述多个轮廓识别数据，N为所述训练数据的个数。

4.一种布料瑕疵的检测方法，其特征在于，包括：

提取待检测布料图像的特征信息，所述待检测布料图像包括一个或多个布料瑕疵；

将所述特征信息输入如权利要求1-3中任一所述的方法训练得到的布料瑕疵轮廓识别模型，获得所述待检测布料图像的多个轮廓预测数据；

对所述多个轮廓预测数据进行特征叠加，获得预测叠加数据；以及

基于所述预测叠加数据，获得所述布料瑕疵的轮廓数据。

5.根据权利要求4所述的检测方法，其特征在于，所述轮廓预测数据所对应的轮廓范围内的区域为目标区域，所述轮廓范围外的区域为背景区域其中，所述对所述多个轮廓预测数据进行特征叠加，获得预测叠加数据包括：

当所述多个轮廓预测数据中同一像素均位于目标区域时，则预测叠加数据中所述像素为第一布料瑕疵的目标区域；

当所述多个轮廓预测数据中同一像素均位于背景区域时，则预测叠加数据中所述像素为背景区域；

当所述多个轮廓预测数据中同一像素分别位于目标区域和背景区域时，则预测叠加数据中所述像素为第二布料瑕疵的目标区域。

6.根据权利要求5所述的检测方法，其特征在于，还包括：

利用卷积核为1×1，输出通道数与预设目标瑕疵类别的个数相同的卷积层，对所述待检测布料图像的特征信息进行卷积，获得所述待检测布料图像的多个初步目标分类数据，所述初步目标分类数据包括用于表征所述待检测布料图像上的像素属于多个预设的目标瑕疵类别中的某一种目标瑕疵类别的类别概率值；

对所述多个初步目标分类数据中的每个像素对应的多个所述类别概率值进行最大概率取值，确定所述待检测布料图像中的每个像素分别属于的目标瑕疵类别；以及

基于所述预测叠加数据，获得与所述预测叠加数据对应的目标分类结果。

7.一种布料瑕疵检测数据处理方法，其特征在于，包括：

根据权利要求4-6中任意一项所述方法获取布料的瑕疵信息；

根据至少所述瑕疵信息，确定瑕疵处理方式。

8.如权利要求7所述的检测数据处理方法，当瑕疵信息包括瑕疵位置时，其特征在于：

根据所述瑕疵位置信息计算相邻两瑕疵参考线之间的距离；

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瑕疵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瑕疵的边缘参考线；

根据所述边缘参考线确定所述布料的断料位置信息。

9.一种电子设备，包括：

处理器；以及

存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如权利要求1-8中任一所述的方法。

10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1-8中任一所述的方法。