[发明专利]一种印花与提花面料的疵点检测方法

权利要求书

1.一种印花与提花面料的疵点检测方法，其特征在于，针对印花或提花图案周期性出现的特点，提供了一种模板花纹图案与待检面料图案特征相减的疵点检测方法，包括以下步骤：设计双通道特征分离神经网络模型，该双通道特征分离神经网络模型通过将模板花纹图案与待检面料图案进行特征提取，将高维图像数据转化为低维的特征向量，随后通过特征向量相减的方式实现模板花纹背景与疵点的分离以及最终的检测。

2.如权利要求1所述的一种印花与提花面料的疵点检测方法，其特征在于，所述双通道特征分离神经网络模型由模块一与模块二组成：

所述模块一为双通道图像特征提取与分离网络模块，由卷积层和池化层构成，包括两个平行通道的卷积神经网络，通道一的卷积神经网络输入为待检面料图像x，通道二的卷积神经网路输入为模板图像m，待检面料图像x经通道一处理后得到n维张量x′，模板图像m经通道二处理后得到n维张量m′，随后对包含特征信息的n维张量x′及n维张量m′进行相减得到n维张量l＝|x′-m′|，l为特征相减后留下的包含疵点信息的张量数据；

所述模块二为特征还原网络模块，由反卷积层构成，将所述模块一中计算得到的张量数据l输入模块二中，通过反卷积层将n维张量l最终计算为单层0/1矩阵。

3.如权利要求2所述的一种印花与提花面料的疵点检测方法，其特征在于，具体包括以下步骤：

步骤1：根据无疵点的待检测面料模板建立花纹周期模板图像M，花纹周期模板图像M包含重复出现的印花与提花图案的最小周期；

步骤2：采集得到待检面料图像x，从花纹周期模板图像M中，通过对花纹信息的特征搜寻，整体进行特征点提取，随后进行特征点匹配，快速定位识别待检测面料图像x对应在花纹周期模板图像M中的位置与区域，将对应图像区域截取获得截取图像x1；

步骤3：对截取图像x1进行区域再采样，计算截取图像x1与待检测图像x之间的投影变换矩阵，利用该投影矩阵对截取图像x1进行投影变换，消除面料形变，获得与待检面料图像x花纹分布匹配一致的模板图像m；

步骤4：建立并训练所述双通道特征分离神经网络模型；

步骤5：将待检面料图像x与模板图像m分别输入训练后的所述双通道特征分离神经网络模型的两个通道最终得到一个单层0/1矩阵；

步骤6：利用单层0/1矩阵，对单层0/1矩阵中标注为1或标注为0的像素点的个数进行统计，基于个数判断待检面料是否存在疵点。

4.如权利要求3所述的一种印花与提花面料的疵点检测方法，其特征在于，步骤4中，对所述双通道特征分离神经网络模型的训练包括以下步骤：

步骤401：获得训练图像集，训练图像集由多张疵点位置已知的面料图像组成；

步骤402：对训练图像集中的面料图像的疵点进行像素级标注，将面料图像中各疵点所在区域包含的所有像素点标注为1，其他区域的像素点标注为0，则生成与每张面料图像大小相同的标注0/1矩阵y′；

步骤403：采用步骤3及步骤4所述的方法获得训练图像集中每个面料图像的模板图像m；

步骤404：将训练图像集的面料图像及模板图像m的分别输入训练后的双通道特征分离神经网络模型的两个通道，最终得到一个单层0/1矩阵y；

步骤405：将单层0/1矩阵y与对应的标注0/1矩阵y′之间的交叉熵作为损失函数，通过梯度反向传播对所述双通道特征分离神经网络模型进行端对端训练。

5.如权利要求3所述的一种印花与提花面料的疵点检测方法，其特征在于，步骤6中，对单层0/1矩阵中标注为1的像素点的个数进行统计，若获得的总数p超过阈值n，则认为待检面料存在疵点，对于存在疵点的待检面料进行报警处理。