申请/专利权人：海门市缔绣家用纺织品有限公司

申请日：2023-11-01

公开（公告）日：2024-02-13

公开（公告）号：CN117152158B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/25;G06T7/11;G06V10/762

优先权：

专利状态码：有效-授权

法律状态：2024.02.13#授权;2023.12.19#实质审查的生效;2023.12.01#公开

摘要：本发明涉及材料缺陷检测技术领域，具体涉及基于人工智能的纺织品疵点检测方法及系统。该方法包括：通过附带有可见光光源的相机采集包含光学特征的纺织品表面图像，提取表面图像的感兴趣区域；获取感兴趣区域对应的每个通道图像的梯度图像并计算感兴趣区域的梯度指标；将感兴趣区域划分为多个子区域，基于每个子区域的灰度信息构建高斯混合模型，根据所有高斯混合模型的参数获取感兴趣区域的结构特征矩阵；根据梯度指标和纹理结构指标建立区域描述子，并将每个感兴趣区域的区域描述子与同等尺寸的标准区域的标准描述子进行对比，筛选出疵点区域。本发明能够精准提取纺织品表面的疵点区域，提高检测效率。

主权项：1.基于人工智能的纺织品疵点检测方法，其特征在于，该方法包括以下步骤：利用带有可见光光源的相机采集纺织品表面图像，提取所述表面图像的感兴趣区域；获取所述感兴趣区域对应的每个通道图像的梯度图像，根据所述梯度图像计算所述感兴趣区域的梯度指标；将所述感兴趣区域划分为多个子区域，基于每个子区域的灰度信息构建高斯混合模型，根据所有所述高斯混合模型的参数获取所述感兴趣区域的结构特征矩阵；获取所述感兴趣区域的纹理复杂度，由所述结构特征矩阵和所述纹理复杂度构成纹理结构指标；根据所述梯度指标和所述纹理结构指标建立区域描述子，并将每个所述感兴趣区域的区域描述子与同等尺寸的标准区域的标准描述子进行对比，筛选出疵点区域；所述高斯混合模型的构建过程为：将每个子区域划分为多个类别；获取每个类别对应的所有像素点的协方差矩阵，根据每个类别对应像素点的灰度均值以及协方差矩阵拟合出该类别的子高斯模型；获取每个子区域内每个子高斯模型的权值，通过所述权值和子高斯模型得到所述高斯混合模型；所述结构特征矩阵的获取过程为：以每个所述子区域的灰度均值以及协方差矩阵作为参数，组成感兴趣区域的特征矩阵，作为所述结构特征矩阵；所述纹理复杂度的获取过程为：通过计算所述感兴趣区域的灰度级直方图的二阶矩表征所述纹理复杂度；所述疵点区域的筛选过程包括：计算所述区域描述子和所述标准描述子的相似度，当所述相似度小于相似阈值时，将该区域描述子对应的感兴趣区域作为所述疵点区域；所述子高斯模型的计算方法为： 其中，表示第c个子高斯模型中每个像素点的特征向量；表示第c个子高斯模型的均值向量；表示第c个子高斯模型对应的所有像素点的协方差矩阵，表示协方差矩阵的逆矩阵；表示得到的矩阵的转置，为以自然常数为底数的指数函数；所述通过计算所述感兴趣区域的灰度级直方图的二阶矩表征所述纹理复杂度的具体表达式为： 其中，表示第j个像素点的灰度级，灰度级的取值为[0,255]；为对应的直方图中灰度级出现的概率，为感兴趣区域内所有像素点灰度级的均值；所述相似度的具体表达式为： 其中，表示感兴趣区域的梯度指标与标准区域的标准梯度指标的L2范数；表示感兴趣区域的结构特征矩阵与标准区域的标准结构特征矩阵的L2范数；表示标准区域的标准纹理复杂。

全文数据：

权利要求：

百度查询： 海门市缔绣家用纺织品有限公司 基于人工智能的纺织品疵点检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD