织物视觉检测系统研发

本发明涉及一种基于迁移学习的小样本织物疵点检测方法，包括：步骤S1、采集工业现场不同类型的织物疵点图像，并标记疵点类型和位置；步骤S2、构建同源数据集和目标数据集；步骤S3、收集开源工业数据集作为源数据集；步骤S4、利用欧式距离从源数据集中选取与目标数据集相似程度最高的多张图像组成预训练数据集；步骤S5、预训练数据集训练小样本目标检测模型获取初始预训练模型；步骤S6、同源数据集训练初始预训练模型获取预训练模型；步骤S7、冻结预训练模型的部分参数，目标数据集微调预训练模型得到疵点检测模型；步骤S8、采集目标织物疵点图像并输入疵点检测模型，输出疵点类型和位置。本发明可解决数据匮乏时模型检测精度低、过拟合等问题。

本发明涉及一种经编织造过程中的织物疵点检测方法，包括下列步骤：(1)采集针床运动过程图片；(2)对于采集到第一张的图片，计算图片的感兴趣区域；(3)使用计算出来的感兴趣区域坐标把所有拍摄到的图片裁剪到感兴趣区域范围；(4)对图像感兴趣区域进行疵点检测。

本发明公开了一种高精度织物组织结构识别方法，包括：S1、构建照明系统，照明系统包括设置在待测织物四周的倾斜照明光源以及分别设置在待测织物上方和下方的同轴光源和背光光源；S2、利用三个不同放大倍率的相机分别从待测织物上方的不同位置依次获取六张不同光源照明下的图像形成3个拍摄图像组；S3、将待测织物进行翻转，重新获取待测织物背面的相应3个拍摄图像组；S4、对S2和S3得到的6个拍摄图像组分别进行RGB图像复合生成相应的18通道深度图像；S5、引入6个卷进神经网络分别对相应的18通道深度图像进行训练；S6、将6个卷进神经网络后端的全连接层抽离并进行复合得到特征识别结果。本发明通过建立改进后的多通道复合检测网络能够减小运算量。