一种基于深度学习的纺织提花缺陷检测方法及系统

专利主权项内容

1.一种基于深度学习的纺织提花缺陷检测方法，其特征在于，该检测方法包括以下步骤：S1、通过信息采集端获取历史纺织提花图像数据，利用去噪的方式对数据实施预处理，并将数据分解为测试集与训练集；S2、基于深度学习方法结合训练集设计缺陷判别方法，并根据判别方法对测试集进行检测生成缺陷样本；S3、对待检测的纺织提花图像数据进行对抗训练，生成与缺陷样本相似的数据扩充缺陷样本，并根据缺陷样本建立特征提取模型；S4、将缺陷特征提取结果映射至模板纺织提花图像数据中分析其几何形状；S5、将几何形状作为训练数据设计基于神经网络的提花缺陷分类模型；S6、将构建完成的缺陷特征提取模型及分类模型与管理系统进行连接，实时输出纺织提花缺陷检测与分类结果；所述将缺陷特征提取结果映射至模板纺织提花图像数据中分析其几何形状包括以下步骤：S41、确定纺织提花图像数据的坐标系，并将缺陷特征提取结果分别与图像坐标系对齐；S42、通过图像处理技术将缺陷特征提取结果在图像数据上进行绘制标记；S43、采用迭代阈值法对图像数据进行二值化分割，并采用边界跟踪方法进行边缘提取得到目标完整轮廓的边缘点集；S44、对边缘点集构成的曲线进行多边形拟合，并对拟合后的多边形进行归一化处理提取几何特征；S45、计算相应的几何特征参数，并将几何特征参数与几何形状进行比对确定其形状；所述对边缘点集构成的曲线进行多边形拟合，并对拟合后的多边形进行归一化处理提取几何特征包括以下步骤：S441、设定边缘点集总个数，并根据当前边缘点集的序号给定一个距离阈值，创建一组空的链表；S442、将每一个边缘点集中的起点与终点作为一条虚拟线段的两个端点，并计算两端点的边缘点该虚拟线段的距离；S443、若上述距离小于设定的阈值，则将该虚拟线段定位多边形的一条边；S444、通过上述步骤的处理得到拟合后的多边形顶点的有序集合，并以边界点集的形心到多边形顶点的最大距离作为归一化因子结合计算公式对拟合的多边形进行归一化处理；S445、对归一化完成的多边形进行几何特征计算，其中几何特征包括面积、长宽及周长。