[发明专利]布料缺陷检测方法、设备和介质

权利要求书

1.一种布料缺陷检测方法，其特征在于，包括：

获得检测布料图片；

对所述检测布料图片进行第一卷积神经网络处理，获得空间特征数据；

对所述检测布料图片进行第二卷积神经网络处理，获得细节特征数据，所述第二卷积神经网络比第一卷积神经网络的层次浅，所述第二卷积神经网络比第一卷积神经网络的通道宽，所述第二卷积神经网络与所述第一卷积神经网络互补，所述空间特征数据和所述细节特征数据为相互互补的特征数据；

融合所述空间特征数据和所述细节特征数据，获得图片数据，所述空间特征数据为表示空间信息的第一矩阵，所述细节特征数据为表示细节信息的第二矩阵，所述图片数据包括空间信息和细节信息；

基于所述图片数据，判断布料的缺陷信息。

2.如权利要求1所述的布料缺陷检测方法，其特征在于，融合所述空间特征数据和所述细节特征数据，获得图片数据的步骤包括：

基于一预设权重融合所述空间特征数据和所述细节特征数据，获得图片数据。

3.如权利要求2所述的布料缺陷检测方法，其特征在于，在获得检测布料图片之前，所述布料缺陷检测方法还包括：建模步骤，包括：

获得样本图片；

对所述样本图片进行所述第一卷积神经网络处理，获得样本空间特征数据；

对所述样本图片进行所述第二卷积神经网络处理，获得样本细节特征数据；

基于初始权重，融合所述样本空间特征数据和样本细节特征数据，获得样本图片数据，完成一次训练；

通过多次训练不断调整所述初始权重，在所述样本图片数据的损失符合规格值时，以调整后的权重作为预设权重。

4.如权利要求1所述的布料缺陷检测方法，其特征在于，所述获得检测布料图片的步骤包括：获得原始图片；对所述原始图片进行切割，获得多个检测布料图片；

基于所述图片数据，判断检测布料图片上的缺陷信息的步骤包括：对多个检测布料图片对应的图片数据进行合并，基于合并后的数据判断缺陷的位置和/或种类。

5.如权利要求1-4任一项所述的布料缺陷检测方法，其特征在于，所述第二卷积神经网络包括VGG网络，所述第一卷积神经网络包括MobileNet V2网络；或者，

所述第一卷积神经网络包括Mobilenet V2网络，以及，特征图像金字塔，用于对Mobilenet V2网络输出的数据进行处理；或者，

所述第一卷积神经网络包括ResNet 50网络、特征图像金字塔和全卷积网络。

6.一种布料缺陷检测数据处理方法，其特征在于，包括：

根据权利要求1-5中任意一项所述方法获取布料的缺陷信息；

根据至少所述缺陷信息，确定缺陷处理方式。

7.如权利要求6所述的布料缺陷检测数据处理方法，当缺陷信息包括缺陷位置时，其特征在于，

根据所述缺陷位置信息计算相邻两缺陷参考线之间的距离；

根据预设条件确定断料区域，所述预设规则为将所述距离小于预设阈值且连续的缺陷组合形成的区域作为断料区域；

分别获取每一所述断料区域和所述断料区域以外的每一孤立缺陷的边缘参考线；

根据所述边缘参考线确定所述布料的断料位置信息。

8.一种介质，其上存储有计算机指令，其特征在于，所述计算机指令运行时执行权利要求1-7任一项所述方法的步骤。