[发明专利]基于机器视觉的纺织品表面疵点检测方法

权利要求书

1.基于机器视觉的纺织品表面疵点检测方法，其特征在于，包括以下步骤：

步骤一：获取生产线上的纺织品图像，语义分割识别纺织品表面图像，并进行灰度化处理得到灰度图像；

步骤二：设置滑窗窗口的形状和尺寸，并基于设置滑窗窗口的形状和尺寸对灰度图像进行自适应加权均值去噪，得到去噪后的灰度图像；

步骤三：对去噪后的灰度图像进行缺陷区域的分割，计算缺陷区域的缺陷面积，基于缺陷面积得到纺织品表面质量的合格率；

其中，设置滑窗窗口尺寸的过程为：

首先取一无缺陷的纺织品表面图像为模板图像，在模板图像的上边缘上随机选取若干个像素点，以各像素点为起点，垂直向下逐像素点遍历，获得对应像素点的线段；

建立平面坐标系，纵坐标表示像素点灰度值，横坐标表示遍历的像素点数量，步长为单个像素点；以一条线段为例，对平面坐标系上的点做平滑曲线拟合，以相邻两波谷之间的距离表示曲线的周期，获得周期集合，其中n为曲线上的波谷数量；计算周期集合的均值为，表示该线段上经线单个凸起在图像中的标准长度；至此，得到所有线段的标准长度，进而得到标准长度均值；然后在模板图像的左边缘上随机选取若干个像素点，进而获取标准直径长度均值；

对标准长度均值和标准直径长度均值做向下取整，若取整后的数值若为偶数，则令该偶数减1，得到窗口的横向长度和纵向长度分别为B和A，窗口的形状为十字形。

2.根据权利要求1所述的基于机器视觉的纺织品表面疵点检测方法，其特征在于，进行自适应加权均值去噪的过程为：

利用窗口对灰度图像进行逐行像素点遍历，从左向右，计算相邻两像素点的灰度差值，得到差值序列；获取差值序列中的折点；

若折点的数量小于等于设定值，则折点对应的像素点不为噪声点，令相邻两像素点的距离为1，以窗口中心像素点为起点向左逐像素点遍历，统计各像素点与中心像素点的距离，得到窗口内横向上从左至右的各非中心非椒盐噪声像素点距离中心像素点的第一距离集合；并统计第一距离集合中元素对应的第一灰度值集合；根据第一距离集合和第一灰度值集合，得到第一自适应权值；基于第一自适应权值，得到第一自适应加权去噪均值；

若折点大于设定值，则折点为噪声点或者缺陷点，去除折点对应的像素点；统计窗口内横向上从左至右的各非中心非折点非椒盐噪声像素点的第二灰度值集合，则得到窗口中心像素点的灰度值在横向上的第二自适应权值，基于第二自适应权值得到第二自适应加权去噪均值。

3.根据权利要求2所述的基于机器视觉的纺织品表面疵点检测方法，其特征在于，所述第一自适应权值为：

其中，，，表示窗口内横向上非中心非椒盐噪声像素点的数量，表示距离权值，表示窗口内横向上从左至右第g个非中心非椒盐噪声像素点距离中心像素点的距离，当距离越近时，权值越大，表示像素灰度差异权值，C表示中心像素点的灰度值，表示窗口内横向上从左至右第g个非中心非椒盐噪声像素点的灰度值，故当窗口横向上非中心非椒盐噪声像素点距离中心像素点的距离越近且灰度值差异越小时，和越大，其自适应权值越大。

4.根据权利要求3所述的基于机器视觉的纺织品表面疵点检测方法，其特征在于，所述第一自适应均值为：

其中表示窗口内横向上非中心非椒盐噪声像素点的数量，表示窗口内横向上从左至右第g个非中心非椒盐噪声像素点的灰度值，表示窗口内横向上从左至右第g个非中心非椒盐噪声像素点的权值。

5.根据权利要求2所述的基于机器视觉的纺织品表面疵点检测方法，其特征在于，所述第一自适应均值为：

其中C为窗口中心像素点的灰度值，表示窗口横向上从左至右第个非中心非折点非椒盐噪声像素点的灰度值，当其与中心像素点的灰度值差异越小，权值越大。

6.根据权利要求1所述的基于机器视觉的纺织品表面疵点检测方法，其特征在于，对去噪后的灰度图像进行缺陷区域的分割采用最大熵值法分割灰度图像中的疵点区域。

7.根据权利要求1所述的基于机器视觉的纺织品表面疵点检测方法，其特征在于，所述合格率为

其中，和分别为灰度图像的面积和疵点区域的缺陷面积。