CN110567969B - 用于织物缺陷检测的图像识别方法及其系统 - Google Patents

Abstract

本发明提供了一种用于织物缺陷检测的图像识别方法及其系统，该图像识别方法，用于识别待检测织物的不规则缺陷，可以包括步骤：接收待检测织物的图像数据；其中，所述图像数据包括像素、像素状态以及像素亮度；将图像数据的像素状态，按照背景像素和非背景像素进行分离；记录所述非背景像素的位置信息；藉由当前像素状态和所述背景像素的位置信息，进行条件直方图统计以获得统计结果；以及藉由所述统计结果和预设阈值，识别图像中是否包含缺陷。该方法采用进行评分的机制来描述图像中含有不规则缺陷的可能性大小，从而提高检测效率，降低漏检率。

Description

用于织物缺陷检测的图像识别方法及其系统

【技术领域】

本发明属于织物织造过程中的缺陷图像识别领域，具体涉及一种用于织物缺陷检测的图像识别方法及其系统。

【背景技术】

在纺织品生产行业中，由于织造纺织品的机械设备本身的误差、原材料的偏差以及环境的不理想，会产生很多瑕疵或者缺陷，其中有很多缺陷如拖纱、结头和修正不良等。因为这些缺陷或者瑕疵的形状不规则，特征不明显而很难采用传统检测电路进行自动识别。

现有的针对不规则缺陷的检测识别主要有两种方式，一是依赖人工对不规则缺陷进行检。但人工由于个体差异、疲劳等原因也经常出现漏检等情况。此外，由于不同检测工人具有不同验布经验，且责任心都不尽相同，因此，即便同一验布工也往往受个人因素等影响造成布匹检验质量不稳定、一致性差的问题。

二是依赖自动识别设备进行检测。现有胚布缺陷自动识别设备主要是通过深度学习类的AI检测电路来识别缺陷的特征进行检测缺陷。这种方法不仅需要大量的缺陷数据样本来进行训练，而且要求待检测的缺陷与样本不能有太大差异，否则训练好的特征则不能适应新的缺陷，造成漏检。而胚布的很多织造缺陷因为并非全部是可预测的原因造成,导致形态多种多样，特征也不尽一致，造成现有图像算法很难应用于织造缺陷的检测设备中。

因此，提供一种无需大量缺陷样本进行训练又能替代人工检测的缺陷识别方法，已成为该行业中亟需解决的问题。

【发明内容】

本发明的目的就在于为解决现有技术的不足而提供一种图像识别方法和系统，采用进行评分的机制来描述图像中含有不规则缺陷的可能性大小，从而提高检测效率，降低漏检率。

为了达到以上目的，本发明提供了一种用于织物缺陷检测的图像识别方法，用于识别待检测织物的不规则缺陷，包括步骤：

接收待检测织物的图像数据；其中，所述图像数据包括像素、像素状态以及像素亮度；

将图像数据的像素状态，按照背景像素和非背景像素进行分离；

记录非背景像素的位置信息；

藉由当前像素状态和所述背景像素的位置信息，进行预设函数和条件直方图统计以获得统计结果；以及

藉由所述统计结果和预设阈值，识别图像中是否包含缺陷。

在本发明的一实施例中，在步骤判断所述图像数据的当前像素状态，所述像素状态分为背景像素和非背景像素之前，还包括步骤：

将所述图像数据分成多个图像块。

在本发明的一实施例中，在步骤将图像数据的像素状态的背景像素和非背景像素进行分离之前，包括步骤：

通过所述图像数据的上一行的像素亮度的平均值以及当前像素的亮度平均值，判断当前像素亮度的平均值与上一行的像素亮度的平均值之间相减的绝对值是否小于预设值；

若所述当前像素亮度的平均值与上一行的像素亮度的平均值之间相减的绝对值小于预设值，则判定当前像素状态为背景像素；

若所述当前像素亮度的平均值与上一行的像素亮度的平均值之间相减的绝对值大于等于所述预设值，则判定当前像素状态为非背景像素。

在本发明的一实施例中，在步骤记录所述非背景像素的位置信息中，包括步骤：

当当前像素状态为非背景像素时，将当前所述像素的位置信息替换为对应当前所述像素亮度值；和

当当前像素状态为背景像素时，该位置信息保持不变。

在本发明的一实施例中，在步骤藉由当前像素状态和所述背景像素的位置信息，进行条件直方图统计以获得统计结果中，包括步骤：

如果当前像素状态为背景像素，则通过条件直方图将所述背景像素的位置信息的平均值进行累加；以及

如果当前像素状态为非背景像素，则获取所述非背景像素的位置信息，通过预设函数进行计算。

在本发明的一实施例中，在步骤藉由所述统计结果和预设阈值，识别图像中是否包含缺陷中，还包括步骤：

计算得出所述统计结果的评分值；

确定出所述预设阈值；以及

将所述评分值和所述预设阈值进行比较，当所述评分值大于所述预设阈值时，指示该待检测织物有缺陷；当所述评分值小于或者等于所预设阈值时，指示该待检测织物无缺陷。

在本发明的一实施例中，在步骤确定出所述预设阈值中，所述预设阈值的确定方法包括:

输入多个缺陷样本，并计算出输入的所述缺陷样本的评分值，将所述评分值的最大值作为预设阈值；或者

输入多个无缺陷样本，并计算输入的所述无缺陷样本的评分值，将所述评分值的最小值作为预设阈值。

为了达到以上目的，本发明还提供了一种用于织物缺陷检测的图像识别系统，用于识别待检测织物的不规则缺陷，包括：

接收模块，所述接收模块用于接收待检测织物的图像数据；其中，所述图像数据包括像素、像素状态以及像素亮度；

像素分离模块，所述像素分离模块用于将图像数据的像素状态，按照背景像素和非背景像素进行分离；

位置记录模块，所述位置记录模块用于记录所述非背景像素的位置信息；

条件直方图统计模块，所述条件直方图统计模块藉由当前像素状态和所述背景像素的位置信息，进行条件直方图统计以获得统计结果；以及

识别判断模块，所述识别判断模块藉由统计结果和预设阈值，识别图像中是否包含缺陷。

在本发明的一实施例中，所述图像识别系统还包括图像分块模块，所述图像分块模块用于将所述图像数据分成多个图像块。

在本发明的一实施例中，所述图像识别系统还包括判断模块，所述判断模块通过所述图像数据的上一行的像素亮度的平均值以及下一行像素的亮度平均值，判断下一行像素亮度的平均值与上一行的像素亮度的平均值之间的绝对值是否小于预设值；若所述绝对值小于预设值，则判定下一行像素为背景像素；若所述绝对值大于等于所述预设值，则判定下一行像素为非背景像素；

所述位置记录模块中，进一步包括当当前像素状态为非背景像素时，将当前所述像素的位置信息替换为当前所述像素亮度的位置信息；和当当前像素状态为背景像素时，该位置信息保持不变；

所述条件直方图统计模块包括如果当前像素状态为背景像素，则通过条件直方图将所述背景像素的位置信息的平均值进行累加；以及如果当前像素状态为非背景像素，则获取所述非背景像素的位置信息，通过预设函数进行计算；

所述识别判断模块包括评分模块，所述评分模块用于计算得出所述统计结果的评分值；阈值确定模块，所述阈值确定模块用于确定出所述预设阈值；以及比较模块，所述比较模块用于将所述评分值和所述预设阈值进行比较，当所述评分值大于所述预设阈值时，指示该待检测织物有缺陷；当所述评分值小于或者等于所预设阈值时，指示该待检测织物无缺陷；

所述阈值确定模块的确定方法包括输入多个缺陷样本，并计算出输入的所述缺陷样本的评分值，将所述评分值的最大值作为预设阈值；或者输入多个无缺陷样本，并计算输入的所述无缺陷样本的评分值，将所述评分值的最小值作为预设阈值。

相比现有技术，本发明提供的图像识别方法和系统，在检测不规则缺陷时不需要有明显的缺陷特征，有任何形态的纹理或亮度变化即可被检测，对于待检测织物，尤其是胚布这种缺陷多种多样，形态各异的检测中，提供了一种具有既能提高检测速率又能降低漏检率的方法。

相比现有技术，本发明申请的图像识别方法的检测结果延迟较低。由于本发明中的预设阈值的确定不需要大量的样本数据，仅需存储一些历史像素的统计结果(包括缺陷样本或者无缺陷样本)和当前像素的评分值进行比较即可判断出是否存在缺陷。因此只需要将图像数据按照预设的顺序(例如从左至右或者从上至下)输入该图像识别方法中，在所述图像数据的最后一个像素数据被接收后，即可获知是否具有缺陷的识别结果。该方法不需要对图像数据进行多次的遍历计算，因此能够减低获知的结果的延迟。

【附图说明】

图1为本发明的实施例中一种用于织物缺陷检测的图像识别方法的流程示意图。

图2为本发明的上述实施例中一种用于织物缺陷检测的图像识别方法的流程框图示意图。

图3为本发明的上述实施例中一种用于织物缺陷检测的图像识别方法的位置关系的流程示意图。

图4为本发明的上述实施例中一种用于织物缺陷检测的图像识别方法的条件直方图统计的流程示意图。

图5为本发明的上述实施例中一种用于织物缺陷检测的图像识别方法的识别判断的流程示意图。

图6为本发明的上述实施例中一种用于织物缺陷检测的图像识别方法的图像分块的示意图。

图7为本发明的上述实施例中一种用于织物缺陷检测的图像识别方法的位置关系更新的示意图。

图8为本发明的上述实施例中一种用于织物缺陷检测的图像识别方法的评分统计的示意图。

图9为本发明的上述实施例中一种用于织物缺陷检测的图像识别系统的结构框图示意图。

【具体实施方式】

以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。

在本发明的描述中，需要理解的是，属于“第一”、“第二”等仅用于描述目的，而不能理解为指示或者暗示相对重要性。本发明的描述中，需要说明的是，除非另有明确的规定和限定，属于“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接或者一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以是通过媒介间接连结。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

下面结合附图和实施方式对本发明作进一步说明。

如图1至图8所述，是本发明的一种用于织物缺陷检测的图像识别方法的具体阐述，该用于织物缺陷检测的图像识别方法用于识别待检测织物的不规则缺陷，其中，不规则缺缺陷可以为拖纱、结头和修正不良等，这里待检测织物可以为胚布，在检测不规则缺陷时不需要有明显的缺陷特征，有任何形态的纹理或亮度变化即可被检测，对于待检测织物，尤其是胚布这种缺陷多种多样，形态各异的检测中，提供了一种具有既能提高检测速率又能降低漏检率的方法。该用于织物缺陷检测的图像识别方法可以运用到对梭织及喷织产品的缺陷检测类设备，如自动验布机、人机辅助验布系统、验布摄像机、验布机器人等产品。

如图1和图2所示，所述用于织物缺陷检测的图像识别方法包括步骤：

S100，接收待检测织物的图像数据；其中，所述图像数据包括像素、像素状态以及像素亮度；

S400，将图像数据的像素状态，按照背景像素和非背景像素进行分离；

S500，记录非背景像素的位置信息；

S600，藉由当前像素状态和所述背景像素的位置信息，进行预设函数和条件直方图统计以获得统计结果，在本申请的实施例中，对于当前像素状态为非背景像素的图像数据，需要获取所述非背景像素的位置信息(例如x，y坐标)，通过预设函数进行计算。这里，所述预设函数为：

|x1-x|≤a&|y1-y|≤b

其中，x1，y1为当前像素的坐标，a，b为为曲线连通性的参数，根据需要识别的缺陷的像素亮度的连通性来确定，一般情况下可设置为10左右。当满足上述计算结果时，该当前像素不计入统计，当不满足该计算结果时，当前像素则计入统计结果；以及

S700，藉由所述统计结果和预设阈值，识别图像中是否包含缺陷。

在本发明申请中，接收待检测织物的图像数据，所述图像数据可以来自于传统的图像采集器，例如摄像机，接触式图像传感器，CCD传感器等，以获得待检测织物的图像数据。所接收的图像数据中的信息包括像素、像素状态以及像素亮度，其中，所述像素用来指示图像数据的大小，所述像素状态包括非背景像素和背景像素，所述像素亮度可有上一行像素的均值来获得。

在本发明的申请中，如图2和图6所示，在步骤S100之后，还可以包括步骤：

S200，将所述图像数据分成多个图像块。

这里，在步骤S200中，将图像数据分为多个图像块的目的是为了评判让评分值的大小与不规则缺陷是否存在有更大的关联性，例如不规则缺陷的大小在1000像素左右时，则所示图像块大小可分块为128x128，以让该缺陷大小占据图像数据的块的1％-10％左右，这样可以让后续评分中较为灵敏的检测出缺陷。例如，可将512x512大小的图像数据分成为16个128x128的图像块，从而增加检测的灵敏度，如图6所示。

在本发明的申请中，所述图像块的大小可以根据胚布的型号及原材料等情况可动态调整。较大的图像数据被分成n个图像块后，每个图像块都会按照像素状态，分离成背景像素和非背景像素，并按照上述用于织物缺陷检测的图像识别方法，识别出每一个图像块是否存在到缺陷。

如图2所示，在步骤S400之前，还包括步骤：

S300，通过所述图像数据的上一行的像素亮度的平均值以及当前像素的亮度平均值，判断当前像素亮度的平均值与上一行的像素亮度的平均值之间相减的绝对值是否小于预设值；

若所述当前像素亮度的平均值与上一行的像素亮度的平均值之间相减的绝对值小于预设值，则判定当前像素状态为背景像素；

若所述当前像素亮度的平均值与上一行的像素亮度的平均值之间相减的绝对值大于等于所述预设值，则判定当前像素状态为非背景像素。

在本发明的申请中，所述预设值可以根据用户者的需求来设定，例如，在本发明的一实施例中，预设值可以设定为10，当所述当前像素亮度的平均值与上一行的像素亮度的平均值之间的绝对值小于10，则属于背景像素，反之则属于非背景像素。相关领域的技术人员应当理解，所述预设值的设定不同，会影响后续识别缺陷的可能性，当预设值设定的越大时，就会提升像素状态为非背景像素的可能性，提最终可能导致最后的评分值变小，评分值越小，则该图像数据中包含有缺陷的可能性越大。反之亦然。

如图3和图7所示，在步骤S500中，包括步骤：

S501，当当前像素状态为非背景像素时，将当前所述像素的位置信息替换为对应当前所述像素亮度值；和

S502，当当前像素状态为背景像素时，该位置信息保持不变。

在本申请中，存放当前像素的位置信息可以被实施为存储器，如图7所示，该置信息中包括x坐标和y坐标和像素亮度的位置信息。例如，假设当前像素状态为非背景像素，此时的像素位置信息为(x1，y1)，当前的像素亮度的位置信息为亮度为1的上一个像素信息，则将当前的像素信息替换为像素亮度的存储空间的位置信息，即亮度为1所在的位置信息。这里，用于存储位置信息的存储器的存储容量为亮度阶数x位置大小量化位数，例如，对于128x128像素大小，亮度范围0-255的一图像数据，存储器容量近需要满足：256x28bits＝7168bits，而对于现有缺陷检测识别系统中需要存储全部图像数据的存储器来说，则需要存储器容量最小需满足：128x128x8bits＝131072bits。换句话说，对于处理同样的一个图像数据，本发明所需的存储器容量只需要满足传统的存储器容量的1/20左右，可以大大降低本发明的用于织物缺陷检测的图像识别方法中运行所需的成本。

如图8所示，在步骤S600中，该包括步骤：

如果当前像素状态为背景像素，则通过条件直方图将所述背景像素的位置信息的平均值进行累加；以及

如果当前像素状态为非背景像素，则获取所述非背景像素的位置信息，通过预设函数进行计算。

在本申请的实施例中，对于当前像素状态为非背景像素的图像数据，需要获取所述非背景像素的位置信息(例如x，y坐标)，通过预设函数进行计算。这里，所述预设函数为：

|x1-x|≤a&|y1-y|≤b

其中，x1，y1为当前像素的坐标，a，b为曲线连通性的参数，根据需要识别的缺陷的像素亮度的连通性来确定，一般情况下可设置为10左右。当满足上述计算结果时，该当前像素不计入统计，当不满足该计算结果时，当前像素则计入统计结果。

进一步地，通过条件直方图统计的结果存储在另一个存储器中，该存储器的存储容量为亮度阶数x log2(图像块最大像素数)。

如图5所示，在本发明的一实施例中，在步骤S700中，还包括步骤：

S701，计算得出所述统计结果的评分值；

S702，确定出所述预设阈值；以及

S703，将所述评分值和所述预设阈值进行比较，当所述评分值大于所述预设阈值时，指示该待检测织物有缺陷；当所述评分值小于或者等于所预设阈值时，指示该待检测织物无缺陷。

在本申请中，所述结果的评分值通过以下公式进行计算，该公式为：

其中，Ln表示该亮度值像素的数量，也即统计结果中亮度n的统计值，如果假设亮度范围从0至255，则n取值从0至255，p为评分值。所述评分值越大说明图像数据中含有缺陷的可能性越小，相应地，所述评分值越小则含有缺陷的可能性越大。

在本发明的申请中，步骤S702为确定出所述预设阈值，该预设阈值的确定方法可以被实施为：输入多个缺陷样本，并计算出输入的所述缺陷样本的评分值，将所述评分值的最大值作为预设阈值；或者输入多个无缺陷样本，并计算输入的所述无缺陷样本的评分值，将所述评分值的最小值作为预设阈值。

这里，所谓缺陷样本是指图像数据中具有不规则缺陷的样本数据，所谓无缺陷样本是指图像数据中没有不规则缺陷的样本数据。对应到待检测织物，缺陷样本表示作为样本的待检测织物中有缺陷，无缺陷样本表示作为样本的待检测织物中没有缺陷。换句话说，所述预设阈值的确定可来源于缺陷样本的检测值，也可以来源于无缺陷图像的检测值，且不需要大量的样本数据。

重要的是，本发明申请的用于织物缺陷检测的图像识别方法的检测结果延迟较低。由于本发明中的预设阈值的确定不需要大量的样本数据，仅需存储一些历史像素的统计结果(包括缺陷样本或者无缺陷样本)和当前像素的评分值进行比较即可判断出是否存在缺陷。因此只需要将图像数据按照预设的顺序(例如从左至右或者从上至下)输入该用于织物缺陷检测的图像识别方法中，在所述图像数据的最后一个像素数据被接收后，即可获知是否具有缺陷的识别结果。该用于织物缺陷检测的图像识别方法相比其他现有的检测算法来说，不需要对图像数据进行多次的遍历计算，以及大量的样本学习，上述的遍历计算和样本学习会导致获知的结果的延迟较大，具体地，如果多一次遍历图像计算才能得到结果，则延迟通常是该用于织物缺陷检测的图像识别方法的十倍以上。

相应于上述方法实施例，本申请还提供一种一种用于织物缺陷检测的图像识别系统，用于识别待检测织物的不规则缺陷，参见图9所示，该用于织物缺陷检测的图像识别系统可以包括：

接收模块10，所述接收模块10用于接收待检测织物的图像数据；其中，所述图像数据包括像素、像素状态以及像素亮度；

像素分离模块20，所述像素分离模块用于将图像数据的像素状态，按照背景像素和非背景像素进行分离；

位置记录模块30，所述位置记录模块用于记录所述非背景像素的位置信息；

条件直方图统计模块40，所述条件直方图统计模块藉由当前像素状态和所述背景像素的位置信息，进行条件直方图统计以获得统计结果；以及

识别判断模块50，所述识别判断模块藉由统计结果和预设阈值，识别图像中是否包含缺陷。

在本发明的一实施例中，所述用于织物缺陷检测的图像识别系统还包括图像分块模块60，所述图像分块模块60用于将所述图像数据进行分块。

在本发明的一实施例中，所述用于织物缺陷检测的图像识别系统还包括判断模块70，所述判断模块70通过所述图像数据的上一行的像素亮度的平均值以及下一行像素的亮度平均值，判断下一行像素亮度的平均值与上一行的像素亮度的平均值相减之间的绝对值是否小于预设值；若所述绝对值小于预设值，则判定下一行像素为背景像素；若所述绝对值大于等于所述预设值，则判定下一行像素为非背景像素。

在本发明的一实施例中，所述位置记录模块30的位置信息记录方法为：当当前像素状态为非背景像素时，将当前所述像素的位置信息替换为当前所述像素亮度的位置信息；和当当前像素状态为背景像素时，该位置信息保持不变。

在本发明的一实施例中，所述条件直方图统计模块40的统计方法为：如果当前像素状态为背景像素，则通过条件直方图将所述背景像素的位置信息的平均值进行累加；以及如果当前像素状态为非背景像素，则获取所述非背景像素的位置信息，通过预设函数进行计算。

在本发明的一实施例中，所述识别判断模块50包括评分模块51，所述评分模块51用于计算得出所述统计结果的评分值；阈值确定模块52，所述阈值确定模块52用于确定出所述预设阈值；以及比较模块53，所述比较模块53用于将所述评分值和所述预设阈值进行比较，当所述评分值大于所述预设阈值时，指示该待检测织物有缺陷；当所述评分值小于或者等于所预设阈值时，指示该待检测织物无缺陷。

进一步地，在本发明的一实施例中，所述阈值确定模块52的确定方法包括输入多个缺陷样本，并计算出输入的所述缺陷样本的评分值，将所述评分值的最大值作为预设阈值；或者输入多个无缺陷样本，并计算输入的所述无缺陷样本的评分值，将所述评分值的最小值作为预设阈值。

该用于织物缺陷检测的图像识别系统可以是前述图像显示方法在具体应用环境下的一种实现，此外，上述用于织物缺陷检测的图像识别系统中各个模块的功能和作用的实现过程具体详见上述用于织物缺陷检测的图像识别方法中对应步骤的实现过程，在此不再赘述。

本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。

Claims (5)

1.一种用于织物缺陷检测的图像识别方法，用于识别待检测织物的不规则缺陷，其特征在于，包括步骤：

接收待检测织物的图像数据；其中，所述图像数据包括像素、像素状态以及像素亮度；

记录非背景像素的位置信息；

藉由当前像素状态和所述背景像素位置信息，进行预设函数和条件直方图统计以获得统计结果；以及

藉由所述统计结果和预设阈值，识别图像中是否包含缺陷；

在步骤将图像数据的像素状态的背景像素和非背景像素进行分离之前，包括步骤：

通过所述图像数据的上一行的像素亮度的平均值以及当前像素的亮度平均值，判断当前像素亮度的平均值与上一行的像素亮度的平均值之间的绝对值是否小于预设值；

若所述当前像素亮度的平均值与上一行的像素亮度的平均值之间的绝对值小于预设值，则判定当前像素状态为背景像素；

若所述当前像素亮度的平均值与上一行的像素亮度的平均值之间的绝对值大于等于所述预设值，则判定当前像素状态为非背景像素；

在步骤记录所述非背景像素的位置信息中，包括步骤：

当当前像素状态为非背景像素时，将当前所述像素位置信息替换为当前所述像素亮度位置信息；和

当当前像素状态为背景像素时，该位置信息中包括x坐标和y坐标和像素亮度位置信息保持不变；

将图像数据的像素状态，按照背景像素和非背景像素进行分离；

在步骤藉由当前像素状态和所述背景像素位置信息，包括步骤：

如果当前像素状态为背景像素，则将所述背景像素位置信息的平均值进行累加；以及

如果当前像素状态为非背景像素，则获取所述非背景像素位置信息，通过预设函数|x1-x|≤a&|yl-y|≤b进行计算；

在步骤藉由所述统计结果和预设阈值，识别图像中是否包含缺陷中，还包括步骤：

计算得出所述统计结果的评分值；

确定出所述预设阈值；以及

将所述评分值和所述预设阈值进行比较，当所述评分值大于所述预设阈值时，指示该待检测织物有缺陷；当所述评分值小于或者等于所预设阈值时，指示该待检测织物无缺陷。

2.如权利要求1所述的一种用于织物缺陷检测的图像识别方法，其特征在于，在步骤接收待检测织物的图像数据；其中，所述图像数据包括像素、像素状态以及像素亮度之后，还包括步骤：

将所述图像数据分成多个图像块。

3.如权利要求1所述的一种用于织物缺陷检测的图像识别方法，其特征在于，在步骤确定出所述预设阈值中，所述预设阈值的确定方法包括:

输入多个缺陷样本，并计算出输入的所述缺陷样本的评分值，将所述评分值的最大值作为预设阈值；或者

输入多个无缺陷样本，并计算输入的所述无缺陷样本的评分值，将所述评分值的最小值作为预设阈值。

4.一种用于织物缺陷检测的图像识别系统，用于识别待检测织物的不规则缺陷，其特征在于，包括：

接收模块，所述接收模块用于接收待检测织物的图像数据；其中，所述图像数据包括像素、像素状态以及像素亮度；

像素分离模块，所述像素分离模块用于将所述图像数据的像素状态，按照背景像素和非背景像素进行分离；

位置记录模块，所述位置记录模块用于记录所述非背景像素的位置信息；

条件直方图统计模块，所述条件直方图统计模块藉由当前像素状态和所述背景像素位置信息；以及

识别判断模块，所述识别判断模块藉由统计结果和预设阈值，识别图像中是否包含缺陷；

所述图像识别系统还包括判断模块，所述判断模块通过所述图像数据的上一行的像素亮度的平均值以及下一行像素的亮度平均值，判断下一行像素亮度的平均值与上一行的像素亮度的平均值之间的绝对值是否小于预设值；若所述绝对值小于预设值，则判定下一行像素为背景像素；若所述绝对值大于等于所述预设值，则判定下一行像素为非背景像素；

所述位置记录模块中，进一步包括当当前像素状态为非背景像素时，将当前所述像素位置信息替换为当前所述像素亮度位置信息；和当当前像素状态为背景像素时，该位置信息中包括x坐标和y坐标和像素亮度位置信息保持不变；

所述条件直方图统计模块包括如果当前像素状态为背景像素，则将所述背景像素位置信息的平均值进行累加；以及如果当前像素状态为非背景像素，则获取所述非背景像素的位置信息，通过预设函数|x1-x|≤a&|yl-y|≤b进行计算；

所述识别判断模块包括评分模块，所述评分模块用于计算得出所述统计结果的评分值；阈值确定模块，所述阈值确定模块用于确定出所述预设阈值；以及比较模块，所述比较模块用于将所述评分值和所述预设阈值进行比较，当所述评分值大于所述预设阈值时，指示该待检测织物有缺陷；当所述评分值小于或者等于所预设阈值时，指示该待检测织物无缺陷；

所述阈值确定模块的确定方法包括输入多个缺陷样本，并计算出输入的所述缺陷样本的评分值，将所述评分值的最大值作为预设阈值；或者输入多个无缺陷样本，并计算输入的所述无缺陷样本的评分值，将所述评分值的最小值作为预设阈值。

5.如权利要求4所述的一种用于织物缺陷检测的图像识别系统，其特征在于，

所述图像识别系统还包括图像分块模块，所述图像分块模块用于将所述图像数据分成多个图像块。

Images