[发明专利]皮革瑕疵检测方法、系统、储存介质及计算机设备在审
申请号: | 202110342426.5 | 申请日: | 2021-03-30 |
公开(公告)号: | CN113034476A | 公开(公告)日: | 2021-06-25 |
发明(设计)人: | 陈俊阳;杨志景;兰上炜;王美林;黄韵瑜;徐志华 | 申请(专利权)人: | 广东工业大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06N3/04 |
代理公司: | 广州粤高专利商标代理有限公司 44102 | 代理人: | 刘俊 |
地址: | 510090 广东*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 皮革 瑕疵 检测 方法 系统 储存 介质 计算机 设备 | ||
1.一种皮革瑕疵检测方法,其特征在于,包括以下步骤:
S1,获取待检测皮革图像;
S2,运用三元组网络将待检测皮革图像与预设的模板图像进行对比,检测所述待检测皮革图像是否存在缺陷,若是转入步骤S3,否则结束;
S3,运用分类检测器对所述待检测皮革图像进行检测,获取所述缺陷的置信度、类别以及位置。
2.根据权利要求1所述的皮革瑕疵检测方法,其特征在于,在所述步骤S2中,所述三元组网络采用三通道融合的方式,以所述待检测皮革图像、模板图像以及待检测皮革图像与模板图像的差值作为输入数据对所述待检测皮革图像进行缺陷检测。
3.根据权利要求1所述的皮革瑕疵检测方法,其特征在于,所述三元组网络以resnet50作为主干网络;所述三元组网络的网络架构中设有MaxBlurPool池化层;所述模板图像被设置为按随机上下左右若干个像素点进行抖动。
4.根据权利要求1所述的皮革瑕疵检测方法,其特征在于,所述分类检测器由CascadeR-CNN三阶段级联神经网络模型经过训练后获得。
5.根据权利要求4所述的皮革瑕疵检测方法,其特征在于,所述Cascade R-CNN三阶段级联神经网络模型在第一阶段和第三阶段的网络架构中设有Deformable ConvNet可变形卷积层;所述Cascade R-CNN三阶段级联神经网络模型采用OHEM在线困难负例挖掘的选择方式进行采样。
6.根据权利要求4所述的皮革瑕疵检测方法,其特征在于,所述Cascade R-CNN三阶段级联神经网络模型以Context ROI网络架构对所述待检测皮革图像进行特征提取,采用BiFPN的方式进行特征融合。
7.根据权利要求4所述的皮革瑕疵检测方法,其特征在于,所述Cascade R-CNN三阶段级联神经网络模型在训练过程中使用的训练样本以图像增强的方式增加所述训练样本,所述图像增强的方式包括镜像变换、高斯噪声、亮度变化、旋转、Cutout以及Mixup。
8.一种皮革瑕疵检测系统,其特征在于,包括图像获取模块(1)、模板比对检测模块(2)以及分类检测模块(3);所述图像获取模块(1)分别连接所述模板比对检测模块(2)以及分类检测模块(3),所述模板比对检测模块(2)连接分类检测模块(3);其中:
所述图像获取模块(1)用于获取待检测皮革图像;
所述模板比对检测模块(2)用于运用三元组网络将待检测皮革图像与预设的模板图像进行对比,检测所述待检测皮革图像是否存在缺陷,若是转入模块(3),否则结束;
所述分类检测模块(3)用于运用分类检测器对所述待检测皮革图像进行检测,获取所述缺陷的置信度、类别以及位置。
9.一种储存介质,其上储存有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的皮革瑕疵检测方法的步骤。
10.一种计算机设备,其特征在于:包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的皮革瑕疵检测方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东工业大学,未经广东工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110342426.5/1.html,转载请声明来源钻瓜专利网。