[发明专利]基于频谱分析的纺织品缺陷自适应检测方法有效

专利信息
申请号: 202111198490.7 申请日: 2021-10-14
公开(公告)号: CN113643294B 公开(公告)日: 2022-02-18
发明(设计)人: 沈拥军 申请(专利权)人: 江苏祥顺布业有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/12;G06T7/62;G06T7/70;G06T5/00;G06K9/62;G06V10/762
代理公司: 郑州芝麻知识产权代理事务所(普通合伙) 41173 代理人: 安文龙
地址: 226500 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 频谱 分析 纺织品 缺陷 自适应 检测 方法
【权利要求书】:

1.基于频谱分析的纺织品缺陷自适应检测方法,其特征在于,该方法包括以下步骤:

采集纺织品的表面图像,获取所述表面图像的灰度图像以及所述灰度图像对应的频谱图;对所述频谱图生成不同的滤波模板;

分别利用所述滤波模板对所述频谱图进行滤波操作,得到多张第二频谱图,并转换为第二灰度图像;提取所述第二灰度图像的边缘得到边缘图像,根据所述边缘图像中像素点的坐标计算所述边缘图像中边缘曲线的偏移程度,根据每两条所述边缘曲线之间的最短距离获取所述边缘图像的密集程度;

根据所述偏移程度和所述密集程度以及所述边缘的面积占比得到每张所述第二灰度图像的边缘效果;根据所述边缘效果得到每个所述滤波模板对所述表面图像的背景纹理的弱化效果;

选取所述弱化效果最大的滤波模板对应的第二灰度图像作为检测图像,对所述检测图像进行边缘检测,通过获取边缘检测结果中的线段密集位置确定缺陷位置。

2.根据权利要求1所述的方法,其特征在于,所述滤波模板的生成步骤包括:

利用滑窗从所述频谱图的中心点沿着最大值的方向移动,得到所述频谱图中的高亮点坐标;

选取至少一个所述高亮点坐标与中心点组合,通过形态学处理得到一张二值图像,作为所述滤波模板。

3.根据权利要求1所述的方法,其特征在于,所述第二灰度图像的获取方法为:

分别选取所述滤波模板,与所述频谱图作矩阵点乘,得到所述第二频谱图;将所述第二频谱图进行反傅里叶变换,得到对应的所述第二灰度图像。

4.根据权利要求1所述的方法,其特征在于,所述偏移程度的计算步骤包括:

利用第二滑窗遍历所述边缘图像中所有像素点,并对其标号;

获取相同标号的像素点组成的边缘曲线,根据所述边缘曲线中的像素点拟合出对应的理想曲线,通过计算所述像素点与所述理想曲线的距离计算所述偏移程度。

5.根据权利要求4所述的方法,其特征在于,所述标号的方法为:

当所述第二滑窗开始遍历时,从1开始对非零像素点进行递增标号;当所述第二滑窗中存在标号唯一的已标号非零像素点,其他非零像素点标记该标号;当所述第二滑窗中存在不同标号的已标号非零像素点,其他非零像素点递增标号。

6.根据权利要求1所述的方法,其特征在于,所述密集程度的获取步骤包括:

选取一条目标边缘曲线,计算所述目标边缘曲线与每条边缘曲线之间的最短距离,以所述最短距离与所述目标边缘曲线的长度的比值作为所述目标边缘曲线与对应边缘曲线的权值;

根据每两条所述边缘曲线之间的权值获取所述密集程度。

7.根据权利要求1所述的方法,其特征在于,所述弱化效果的获取方法为:

将所述第二灰度图像的边缘效果与所述灰度图像的边缘效果作差得到对应的滤波模板的所述弱化效果。

8.根据权利要求1所述的方法,其特征在于,所述缺陷位置的获取步骤包括:

对所述检测图像进行边缘检测,得到第二边缘图像,作为边缘检测结果,对所述边缘检测结果进行直线检测并对得到的直线段数量进行离群点检测,获取缺陷边缘;

对所述缺陷边缘进行聚类,得到线段密集位置,作为所述缺陷位置。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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江苏祥顺布业有限公司,未经江苏祥顺布业有限公司许可,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/202111198490.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top