1.一种布匹瑕疵在线检测方法,其特征在于,包括如下步骤:
S1、针对不同的布匹纹理图案,通过智能纹理图案变换算法生成深度学习方法所需要的训练集样本,经过预处理和训练后,建立起基于卷积神经网络的识别模型;
S2、在布匹的生产流水线上,按前后次序设置阵列摄像头,布匹检测系统采用多线程、并行处理的方式,对流水线上的布匹进行图像采集,阵列摄像头位置的设置可根据实际情况调整;
S3、阵列摄像头的数量为n,摄像头的位置编号为i,且0≤i≤n,根据采集摄像头的位置编号i,定时存储对应采集的图像数据,并将这些图像数据进行关联编码,以获取位置图像特征值Vi,从而建立起布匹特征值位置知识库;
S4、布匹特征值位置知识库按位置和图纹对象构建二维对应关系,分类管理所有图像特征值,对图像数据达到扁平化的存储和管理;
S5、在设定匹配准确度α的条件下,对每一个阵列摄像头采集的图像数据启动一组识别通道,该组识别通道先通过卷积神经网络的识别模型识别出布匹纹理图案的类别和对象,然后通过跟标准的纹理图案进行对比,检测出该采集的图像数据的误差度m;
S6、通过对阵列摄像头的对比误差度m进行关联判断,判断出布匹纹理图案是否出现瑕疵;
S7、获得同一块布匹纹理图案的多次对比误差度mi,得出同一块布匹纹理图案的平均对比误差度通过标准差对布匹纹理图案与标准纹理图案进行首次比对过滤,找出有可能存在瑕疵的布匹位置;
S8、建立布匹纹理图案对比误差度m的关联函数N;
N=f(m1,m2,…,mn)(3)
布匹纹理图案对比误差度m的标准偏差传递函数SN:
在SN>α时,对布匹的纹理图案进行位置图像特征值对比,进一步确认布匹纹理图案瑕疵;
S9、对布匹的纹理图案进行位置图像特征值对比的方法是从布匹特征值位置知识库中提取出对应的位置图像特征值,建立起图像特征值矩阵,跟对应布匹的纹理图案的标准图像特征值进行相似性对比,以进一步确认布匹纹理图案存在瑕疵。
2.根据权利要求1所述的方法,其特征在于,步骤S7具体如下:得出同一块布匹纹理图案的平均对比误差度的公式如下:根据平均对比误差度求出标准差
通过标准差对布匹纹理图案与标准纹理图案进行首次比对过滤,找出有可能存在瑕疵的布匹位置。
3.根据权利要求2所述的方法,其特征在于,步骤S8具体如下:对布匹的纹理图案进行位置图像特征值对比的方法是从布匹特征值位置知识库中提取出对应的位置图像特征值Vi,建立起图像特征值矩阵V=[V1,V2,…,Vn],跟对应布匹的纹理图案的标准图像特征值Vt进行相似性对比,以进一步确认布匹纹理图案存在瑕疵:
4.根据权利要求1所述方法的一种布匹瑕疵在线检测系统,所述系统包括:图像数据采集模块、智能数据编码模块、特征值位置知识库模块和瑕疵检测模块;
所述图像数据采集模块,通过阵列摄像头对流水线上的布匹进行图像采集;
所述智能数据编码模块,对采集的图像数据与采集点的位置进行关联,按照特征值提取的方案进行规制编码,编码过程采用多线程、并行处理的方式完成,所述智能数据编码模块通过智能纹理图案变换算法,生成深度学习方法所需要的训练集样本;
所述特征值位置知识库模块,接收所述智能数据编码模块处理完成后的数据,对相关数据进行分类存储和管理;
所述瑕疵检测模块,在设定特征阀值的条件下,通过设置三层比对过滤算法,对布匹纹理图案进行实时在线分析,对流水生产线上的布匹进行实时地在线检测。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现如权利要求1~3中任一项所述的布匹瑕疵在线检测方法中的步骤。
6.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~3中任一项所述的布匹瑕疵在线检测方法中的步骤。