[发明专利]基于人工智能的柔性皮革材料疥癣缺陷检测方法及系统

说明书

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的柔性皮革材料疥癣缺陷检测方法及系统，对待测皮革的待测表面图像进行预处理得到表面灰度图；根据表面灰度图与标准图像得到差值图；将差值图进行灰度级量化得到差值量化图；对每个灰度级通道进行聚类得到多个簇；获取差值量化图中的每个第一像素点与每个灰度级通道中的最近簇的第一融合向量、目标像素点与每个灰度级通道中的最近簇的皮革最大差值向量；计算每个第一像素点的第一融合向量与第二融合向量之间的相似度，得到皮革差值共生图像，最后结合待测表面图像和语义分割网络，得到缺陷检测结果，解决了容易将噪声点以及与疥癣缺陷相似的纹理特征错误识别为疥癣的技术问题。

技术领域

本发明涉及人工智能技术领域，具体涉及一种基于人工智能的柔性皮革材料疥癣缺陷检测方法及系统。

背景技术

柔性皮革材料是我们日常生活中常用的制品用料，其用途非常广泛，在我们日常生活中，皮革制品随处可见，如用于皮鞋、钱包、汽车坐垫、皮椅、皮包等方面，是现代生活不可缺少的生活用品。但是往往皮革加工原料中或多或少会存在不同大小和类型的缺陷，如划伤、癣疥、虫孔、疤痕等，是动物生长到制作过程中产生的各类缺陷，直接对皮革原料进行加工会影响皮革最终的成品质量，因此在皮革加工生产过程中需要对皮革加工原料进行缺陷检查，以便在排样和切割加工时避开缺陷，提高皮革制品质量。

传统的皮革表面缺陷检测大部分是通过专业的检测人员检查皮革表面存在的缺陷，并进行标记。人工标注皮革缺陷属于经验性操作，依赖经验丰富的熟练技工逐处检视整张皮革，采用记号笔用各种各样的几何符号标记出缺陷点，每张皮需耗时 6-10 分钟，需要高专注度，脑力、体力消耗大，且还会存在较多漏标注的细小缺陷。

目前对于皮革表面缺陷的检测方法还有采用语义分割网络对待检测皮革图像中的缺陷进行分类。

发明人在实践中，发现上述现有技术存在以下缺陷：

由于语义分割图网络是通过人工标注的方式对皮革上的疥癣区域进行标注，但是由于人工标注的方式更加关注的是像素特征，往往会将图像中的噪声点或者某些纹理特征与疥癣缺陷相似的区域错误的识别为疥癣区域。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于人工智能的柔性皮革材料疥癣缺陷检测方法及系统，所采用的技术方案具体如下：

第一方面，本发明一个实施例提供了一种基于人工智能的柔性皮革材料疥癣缺陷检测方法，该检测方法包括：

采集待测皮革的待测表面图像，对所述待测表面图像进行预处理得到表面灰度图；

对所述表面灰度图与标准图像的灰度均值作差得到差值图，所述标准图像为无缺陷皮革的表面图像；将所述差值图进行灰度级量化得到差值量化图，所述差值量化图由不同灰度级通道组成；

对每个所述灰度级通道进行聚类得到多个簇；

对于所述差值量化图中的每个第一像素点，每个灰度级通道中距离所述第一像素点最近的簇为第一簇，根据所述第一像素点到每个第一簇的向量得到皮革像素差值向量；融合所述第一像素点对应的所有皮革像素差值向量得到第一融合向量；

获取所述差值量化图中的目标像素点，所述目标像素点是所述差值图中像素值最大的相应像素点；每个灰度级通道中距离所述目标像素点最近的簇为第二簇；根据所述目标像素点到每个第二簇的向量得到皮革最大差值向量；融合每个所述目标像素点对应的所有皮革最大差值向量得到第二融合向量；

计算每个第一像素点的所述第一融合向量与所述第二融合向量之间的相似度，得到皮革差值共生图像；

将所述待测表面图像与所述皮革差值共生图像输入语义分割网络得到缺陷检测结果；

所述对每个所述灰度级通道进行聚类得到多个簇的步骤包括：