[发明专利]基于数据识别图形的纺织布料智能印染方法及系统

说明书

本发明公开了一种基于数据识别图形的纺织布料智能印染方法及系统，涉及人工智能领域。主要包括：获取染色后布料的表面图像并进行处理获得多个图像块；对图像块进行角点检测获得关键点，并根据各关键点对图像块进行超像素分割获得色块；分别根据各关键点对应的色块以及邻接色块的颜色均值获得各关键点的透明度；将图像块中的关键点聚类成重影关键点集合以及非重影关键点集合；将重影关键点集合的及非重影关键点集合中关键点组成关键点组集合，并进行KM匹配获得最佳关键点集合，以根据最佳关键点集合获得图像块的异常概率；利用图像块的异常概率分别判断各断图像块是否存在重影缺陷，进一步实现染色后布料中重影缺陷的检测。

技术领域

本申请涉及人工智能领域，具体涉及一种基于数据识别图形的纺织布料智能印染方法及系统。

背景技术

随着社会经济的发展以及人民生活水平的不断提高，人们对于生活用品的美学要求也随之增高，作为伴随人们生活的纺织用品，其印花质量直接影响纺织品的美观。目前为了增加印花色彩的丰富度以及花纹图案的逼真效果，通常采用多色叠印的方式，然而这种印染方式下得到的纺织品中容易出现印花重影缺陷。

印花重影缺陷的存在不仅会造成人们的视觉疲劳，还会严重造成影响纺织品的品质。为了有效去除印刷重影的异常，保障纺织物的印染质量，需在生产过程中准确的识别出印染重影异常，并根据纺织物印染重影异常的分布特征，寻找出印染异常的原因，并根据印染异常原因相对应的调整生产系统，从而使纺织品的印染异常得到有效解决。

针对纺织品中可能存在的重影区域的检测，现有技术中尝试利用边缘检测实现重影区域的检测，然而发明人在实现本发明实施例的过程中，发现背景技术中至少存在以下缺陷：

由于纺织品中存在正常的纹路，使得利用边缘检测难以准确地获得可能存在的重影缺陷区域，同时印染异常有着复杂的颜色变化，使得重影缺陷的识别准确率较低。

发明内容

针对上述技术问题，本发明提供了一种基于数据识别图形的纺织布料智能印染方法及系统，能够对纺织布料中可能存在的重影缺陷进行检测，以便确定重影缺陷形成的原因并采取相应的措施。

第一方面，本文发明实施例提出了一种基于数据识别图形的纺织布料智能印染方法，包括：

获取染色后布料的表面图像并进行图像分割获得印花区域图像。

对所述印花区域图像进行连通域分析获得各连通区域，并将所述连通区域划分为预设尺寸的多个图像块。

对图像块进行角点检测获得图像块中的关键点，并基于获取的各关键点对图像块进行超像素分割得到分割后的色块，分别根据各关键点对应的色块的颜色均值以及关键点的邻接色块的颜色均值，获得各关键点的透明度。

根据关键点的透明度将图像块中的所有关键点聚类成两类，其中一类为重影关键点集合，该重影关键点集合中的关键点的透明度高，另一类为非重影关键点集合。

利用重影关键点集合的关键点与在非重影关键点集合中随机抽取的重影关键点组成关键点组集合，所述非重影关键点集合中随机抽取的重影关键点的个数与重影关键点集合中关键点的个数相同。

对组成的关键点组集合进行KM匹配获得最佳关键点集合，并利用各图像块中的最佳关键点集合的匹配值、偏移一致性及最佳关键点集合中关键点的透明度差异值，计算各图像块的异常概率。

根据图像块的异常概率分别判断各图像块是否存在重影缺陷，当至少一个图像块存在重影缺陷时，染色后布料中存在重影缺陷，并将存在重影缺陷的图像块组成重影区域。

在一个可行的实施例中，对组成的关键点组集合进行KM匹配获得最佳关键点集合，包括：

对关键点组集合中关键点进行匹配获得各关键点对，所述关键点对中包含一个非重影关键点以及一个重影关键点。

将关键点对中非关键点的邻域内纹理分布与重影关键点的邻域内纹理分布的相似度作为关键点对的权重。