[发明专利]一种速干面料瑕疵的自动检测方法及系统

权利要求书

1.一种速干面料瑕疵的自动检测方法，其特征在于，包括：

获取速干面料的第一待检测图像；

对所述第一待检测图像进行预处理后分割成若干第一待检测子图像，计算所述第一待检测子图像灰度值的第一均值；

获取速干面料的样本图像；

对所述样本图像进行预处理后分割成若干样本子图像，计算所述样本图像灰度值的样本均值；

根据所述第一均值和所述样本均值得到第一灰度差值，在第一灰度差值大于等于预设灰度差值时，表明速干面料上有瑕疵；在第一灰度差值小于预设灰度差值时，表明速干面料上没有瑕疵。

2.如权利要求1所述的速干面料瑕疵的自动检测方法，其特征在于，所述在第一灰度差值大于等于预设灰度差值时，还包括：

将进行预处理后的第一待检测图像的灰度级进行压缩；

根据压缩后第一待检测图像的灰度级基于灰度共生矩阵提取特征值，所述特征值包括：对比度、能量和熵；

根据所述特征值进行特征值融合及特征值可视化处理，得到可视化图；

根据所述可视化图基于最大熵阈值分割法得到最终的瑕疵特征图。

3.如权利要求1所述的速干面料瑕疵的自动检测方法，其特征在于，所述预处理包括图像灰度化、图像滤波、图像均衡化。

4.如权利要求3所述的速干面料瑕疵的自动检测方法，其特征在于，所述图像均衡化可以实现图像对比度增强，算法包括：

计算灰度值k_i的概率分布：

其中，为灰度值k_i出现的次数，N为图像的总像素点。

5.如权利要求1所述的速干面料瑕疵的自动检测方法，其特征在于，所述在第一灰度差值大于等于预设灰度差值时，表明速干面料上有瑕疵，还包括：对表明速干面料上有瑕疵的第一待检测图像进行瑕疵分类，包括：

将进行预处理后的第一待检测图像输入预先训练的多个不同类型的神经网络模型进行分类，获得多个分类结果；

对每个分类结果进行投票，获取每个分类结果的投票数量，将投票数量最多的分类结果确定为目标分类。

6.如权利要求5所述的速干面料瑕疵的自动检测方法，其特征在于，所述多个不同类型的神经网络模型包括：区域卷积神经网络模型、循环神经网络模型。

7.如权利要求1所述的速干面料瑕疵的自动检测方法，其特征在于，所述速干面料包括：抗紫外线层、透气层、速干层、材质层、抗菌层；所述速干面料为由外到内依次设置的抗紫外线层、透气层、速干层、材质层、抗菌层复合而成；其中，

所述抗紫外线层包括纳米抗紫外线剂；

所述材质层采用棉纤维；

所述透气层采用蜂窝状结构，所述透气层上设有多个等间距的透气孔；

所述速干层采用的是聚酯纤维；

所述抗菌层为纳米银颗粒抗菌涂层。

8.一种速干面料瑕疵的自动检测系统，其特征在于，包括：

第一获取模块，用于获取速干面料的第一待检测图像；

第一计算模块，用于对所述第一待检测图像进行预处理后分割成若干第一待检测子图像，计算所述第一待检测子图像灰度值的第一均值；

第二获取模块，用于获取速干面料的样本图像；

第二计算模块，用于对所述样本图像进行预处理后分割成若干样本子图像，计算所述样本图像灰度值的样本均值；

第三计算模块，用于根据所述第一均值和所述样本均值得到第一灰度差值，在第一灰度差值大于等于预设灰度差值时，表明速干面料上有瑕疵；在第一灰度差值小于预设灰度差值时，表明速干面料上没有瑕疵。

9.如权利要求8所述的速干面料瑕疵的自动检测系统，其特征在于，还包括：

压缩模块，用于在第一灰度差值大于等于预设灰度差值时，将进行预处理后的第一待检测图像的灰度级进行压缩；

特征提取模块，用于根据压缩后第一待检测图像的灰度级基于灰度共生矩阵提取特征值，所述特征值包括：对比度、能量、熵；

特征处理模块，用于根据所述特征值进行特征值融合及特征值可视化处理，得到可视化图；

瑕疵特征图生成模块，用于根据所述可视化图基于最大熵阈值分割法得到最终的瑕疵特征图。