CN115953348A - 一种基于视觉检测的地毯缺陷检测方法及系统 - Google Patents

Abstract

本发明公开了一种基于视觉检测的地毯缺陷检测方法及系统，包括以下步骤：步骤S1、利用图像拍摄装置获取地毯实体的绒面图像，并为所述绒面图像和地毯实体构建绒面图像与地毯实体的位置映射关系；步骤S2、对所述绒面图像进行迭代式的对称分割以迭代得到两个对称的搜索区域，并筛选出包含纺织缺陷的搜索区域作为缺陷区域；步骤S3、基于所有缺陷区域的位置坐标进行补种规划得到补种路径，并控制自动补种装置按补种路径在地毯实体中进行缺陷补种。本发明在进行图像识别缺陷区域时利用对称迭代式分割搜索方法，可以快速的缩小搜索区域，只需要对搜索区域进行缺陷搜索，去除了大量无效搜索，搜索效率提高的同时提高了搜索精度。

Description

一种基于视觉检测的地毯缺陷检测方法及系统

技术领域

本发明涉及地毯缺陷检测技术领域，具体涉及一种基于视觉检测的地毯缺陷检测方法及系统。

背景技术

地毯的缺陷种类很多，有破损、脏污、跳纱、断纱等，均呈现复杂的外观形态。长期以来，对于地毯中的缺陷都是通过人工检测，检验人员按照个人经验对地毯等级做出评定，这种方法受检验人员的主观因素影响较大，效率低、漏检率高，且劳动强度大，难以得准确的检验结果。

现有技术CN201910228423.1公开了一种地毯表面瑕疵检测装置及瑕疵检测方法，本发明公开了一种地毯表面瑕疵检测装置，包括机架，所述机架上设置有用于放卷地毯的放卷装置，机架上设置有若干个过渡导辊和一个检测支撑辊，放卷装置放卷的地毯卷绕在过渡导辊和支撑检测辊并被牵出，地毯在支撑检测辊的外侧弧面为检测面，机架上设置有光源和线扫描相机，该线扫描相机和光源正对，线扫描相机的拍摄方向线处于检测面的外侧，该拍摄方向线与检测面的最近点之间的距离小于设定瑕疵点的突起高度，该检测装置可以实现地毯瑕疵的检测，替代人工节省了人力，提高了检测效率。

虽然上述现有技术能够一定程度的对地毯缺陷进行检测，但是仍存在一定的不足，比如：仅利用凸起高度这唯一特征进行缺陷检测，检测结果的可靠性低，而且凸起高度也只能检测出表面疵点，对于其余类型的缺陷(绒毛漏种、地毯破洞)难以识别处理，使用范围窄。

发明内容

本发明的目的在于提供一种基于视觉检测的地毯缺陷检测方法及系统，以解决现有技术中仅利用凸起高度这唯一特征进行缺陷检测，检测结果的可靠性低，而且凸起高度也只能检测出表面疵点，对于其余类型的缺陷难以识别处理，使用范围窄的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种基于视觉检测的地毯缺陷检测方法，包括以下步骤：

步骤S1、利用图像拍摄装置获取地毯实体的绒面图像，并为所述绒面图像和地毯实体建立同一二维坐标系构建绒面图像与地毯实体的位置映射关系；

步骤S2、对所述绒面图像进行迭代式的对称分割以迭代得到两个对称的搜索区域，并同步对两个对称的搜索区域进行相似匹配筛选出包含纺织缺陷的搜索区域作为缺陷区域；

步骤S3、基于所有缺陷区域的位置坐标进行补种规划得到补种路径，并控制自动补种装置按补种路径在地毯实体中进行缺陷补种。

作为本发明的一种优选方案，所述步骤S1中，所述绒面图像的获取方法包括：

在所述地毯实体平铺于具有彩色系背景色的检测台平面上，并将图像拍摄装置在位于地毯实体正上方进行垂直拍摄得到绒面图像，其中，所述彩色系背景色用于使所述绒面图像中缺陷区域的像素点与非缺陷区域的像素点的RGB像素差异度增大，以提高识别效率；

将所述绒面图像利用坐标属性和像素属性转化为一组绒面像素点表示形式(x_i,y_i,RGB_i)，其中，所述坐标属性表征为绒面像素点在二维坐标系中的坐标，所述像素属性表征为绒面像素点的RGB像素值，x_i,y_i分别表征为绒面像素点i在坐标属性中的横、纵坐标，RGB_i表征为绒面像素点i在像素属性中的RGB像素值，i∈[1,M]，i表征为绒面像素点的区分编号，M为绒面像素点的总个数。

作为本发明的一种优选方案，所述步骤S2中，所述缺陷区域的筛选方法包括：

步骤S201、将所述绒面图像作为搜索区域S；

步骤S202、将搜索区域S中包含的所述绒面像素点从中点处进行划分得到两组绒面像素点集合，并将两个绒面像素点集合作为两个搜索区域S₁，S₂；

步骤S203、将搜索区域S₁和搜索区域S₂分别与标准区域进行相似匹配，所述标准区域与搜索区域具有相同面积，其中，

若搜索区域S₁或搜索区域S₂与标准区域的相似度为高级，则判定搜索区域S₁或搜索区域S₂均不存在缺陷区域，对搜索区域S₁或搜索区域S₂无需执行迭代搜索；

若搜索区域S₁或搜索区域S₂与标准区域的相似度为中级，则判定搜索区域S₁或搜索区域S₂均存在缺陷区域，对搜索区域S₁或搜索区域S₂分别进行迭代搜索；

若搜索区域S₁或搜索区域S₂与标准区域的相似度为低级，则判定搜索区域S₁或搜索区域S₂为缺陷区域。

作为本发明的一种优选方案，所述步骤S2中，所述迭代搜索的方法还包括：

对所述搜索区域S₁进行迭代搜索的方法包括：

将搜索区域S₁中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合，并将两组绒面像素点集合分别作为新的搜索区域S₁和搜索区域S₂，返回步骤S203；

对所述搜索区域S₂进行迭代搜索的方法包括：

将搜索区域S₂中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合，并将两组绒面像素点集合分别作为新的搜索区域S₁和搜索区域S₂，返回步骤S203。

作为本发明的一种优选方案，所述步骤S2中，所述中点的标记方法包括：

获取搜索区域中包含的所有绒面像素点[min,max]的区分编号最小值min和区分编号最大值max，并基于中点计算公式得到表征位于所述中点处的绒面像素点的区分编号中点值，所述中点计算公式为：

式中，Midle表征为绒面像素点的区分编号中点值，max、min表征为绒面像素点的区分编号最小值和区分编号最大值，F表征为向上取整函数，G表征为向下取整函数；

将搜索区域中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合分别表征为[min，Midle]和[Midle+1，max]，则两个新的搜索区域S₁和搜索区域S₂分别为[min，max＝Midle]和[min＝Midle+1，max]。

作为本发明的一种优选方案，所述步骤S2中，所述搜索区域与标准区域的相似度的计算方法包括：

统计搜索区域与标准区域的RGB像素直方图，并将搜索区域的RGB像素直方图与标准区域的RGB像素直方图进行相似度计算，其中，

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度高于相似度阈值上限，则搜索区域与标准区域的像素度为高级；

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度低于相似度阈值上限且高于相似度阈值下限，则搜索区域与标准区域的像素度为中级；

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度低于相似度阈值下限，则搜索区域与标准区域的像素度为低级；

所述相似度采用巴氏系数进行衡量，所述巴氏系数的公式为：

式中，p(j)表征为搜索区域的RGB像素直方图中的第j个数据；p′(j)表征为标准区域的RGB像素直方图中的第j个数据，N为RGB像素直方图的总数目，j为计量常数，无实质意义。

作为本发明的一种优选方案，所述步骤S3中，所述补种路径的规划方法包括：

将所述缺陷区域中包含的所有绒面像素点按照横坐标进行顺序排列得到缺陷区域内的局部补种路径，并将所有缺陷区域按照所包含的绒面像素点的横坐标最大值进行顺序排列得到缺陷区域间的全局补种路径；

其中，若两个绒面像素点的横坐标相同，则将纵坐标较大的绒面像素点作为排列后项。

作为本发明的一种优选方案，所述缺陷补种的具体方法：

控制自动补种装置沿全局补种路径依次进入一个缺陷区域中，在缺陷区域中沿局部补种路径在地毯实体上进行绒毛补种，并在局部补种路径完成后进入全局补种路径，进入下一个缺陷区域，直至全局补种路径完成。

作为本发明的一种优选方案，本发明提供了一种根据所述的基于视觉检测的地毯缺陷检测方法的检测系统，包括：

图像获取单元，利用图像拍摄装置获取地毯实体的绒面图像，并为所述绒面图像和地毯实体建立同一二维坐标系构建绒面图像与地毯实体的位置映射关系；

缺陷识别单元，对所述绒面图像进行迭代式的对称分割以迭代得到两个对称的搜索区域，并同步对两个对称的搜索区域进行相似匹配筛选出包含纺织缺陷的搜索区域作为缺陷区域；

补种规划单元，基于所有缺陷区域的位置坐标进行补种规划得到补种路径，并控制自动补种装置按补种路径在地毯实体中进行缺陷补种。

本发明与现有技术相比较具有如下有益效果：

本发明利用地毯缺陷组织和正常绒面组织具有不同的色彩透光度，将识别台面设置为彩色系背景色，使地毯实体拍摄出的绒面图像中缺陷区域的像素点与非缺陷区域的像素点的RGB像素差异度增大，以提高识别效率，在进行图像识别缺陷区域时利用对称迭代式分割搜索方法，可以快速的缩小搜索区域，只需要对搜索区域进行缺陷搜索，去除了大量无效搜索，搜索效率提高的同时提高了搜索精度。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

图1为本发明实施例提供的地毯缺陷检测方法流程图；

图2为本发明实施例提供的检测系统结构图。

图中的标号分别表示如下：

1-图像获取单元；2-缺陷识别单元；3-补种规划单元。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，地毯在绒毛种植(植绒)过程中会由于自动化机械误差导致成品地毯某些区域出现漏种，从而使地毯成品不合格，其中将地毯实体上绒毛漏种的区域称之为缺陷区域，未漏种的区域称之为非缺陷区域(正常区域)，缺陷区域由于比非缺陷区域缺少绒毛组织，因此缺陷区域和非缺陷区域的拍摄得到的图像中像素存在差异度，但是由于地毯实体原始得到的绒面图像中缺陷区域和非缺陷区域的像素差异度较低，难以利用像素差异度准确的区分出缺陷区域和非缺陷区域，因此本发明提供了一种基于视觉检测的地毯缺陷检测方法，通过外添彩色系背景色，能够利用缺陷区域和非缺陷区域由于绒毛有无导致透光性不同，增强了拍摄得到绒面图像中缺陷区域和非缺陷区域的像素差异度，从而能够更为快速准确的判断出缺陷区域，完成缺陷检测。

一种基于视觉检测的地毯缺陷检测方法，包括以下步骤：

步骤S1、利用图像拍摄装置获取地毯实体的绒面图像，并为绒面图像和地毯实体建立同一二维坐标系构建绒面图像与地毯实体的位置映射关系；

利用同一二维坐标系为绒面图像与地毯实体建立位置映射关系，将地毯实体的缺陷检测转换为绒面图像的缺陷区域识别，从而在绒面图像中利用非缺陷区域和缺陷区域的像素差异度识别出缺陷区域，再根据缺陷区域的位置坐标映射回地毯实体中，从而获取缺陷区域在地毯实体中的具体位置，实现地毯实体的缺陷检测。

步骤S1中，绒面图像的获取方法包括：

在地毯实体平铺于具有彩色系背景色的检测台平面上，并将图像拍摄装置在位于地毯实体正上方进行垂直拍摄得到绒面图像，其中，彩色系背景色用于使绒面图像中缺陷区域的像素点与非缺陷区域的像素点的RGB像素差异度增大，以提高识别效率；

将绒面图像利用坐标属性和像素属性转化为一组绒面像素点表示形式(x_i,y_i,RGB_i)，其中，坐标属性表征为绒面像素点在二维坐标系中的坐标，像素属性表征为绒面像素点的RGB像素值，x_i,y_i分别表征为绒面像素点i在坐标属性中的横、纵坐标，RGB_i表征为绒面像素点i在像素属性中的RGB像素值，i∈[1,M]，i表征为绒面像素点的区分编号，M为绒面像素点的总个数。

彩色系背景色可根据地毯实体的颜色进行具体设定，比如地毯实体为红色，为了避免背景色被地毯实体的红色进行吸收，则可将背景色中的RGB像素中G、B像素分量进行增大，得到背景色依旧能够在拍摄得到的绒面图像使缺陷区域和非缺陷区域产生差异度区分。

缺陷区域相较于非缺陷区域而言缺乏移动厚度的绒毛组织，绒面组织的厚度导致了缺陷区域比非缺陷区域具有更高的透光度，因而导致缺陷区域产生的在绒面图像形成区域像素块的RGB像素与非缺陷区域产生的区域像素块的RGB像素差异度更大，也就是肉眼而言缺陷区域颜色比非缺陷区域更为鲜亮，本实施例通过这种像素差异度进行缺陷区域的识别。

步骤S2、对绒面图像进行迭代式的对称分割以迭代得到两个对称的搜索区域，并同步对两个对称的搜索区域进行相似匹配筛选出包含纺织缺陷的搜索区域作为缺陷区域；

步骤S2中，缺陷区域的筛选方法包括：

步骤S201、将绒面图像作为搜索区域S；

步骤S202、将搜索区域S中包含的绒面像素点从中点处进行划分得到两组绒面像素点集合，并将两个绒面像素点集合作为两个搜索区域S₁，S₂；

步骤S203、将搜索区域S₁和搜索区域S₂分别与标准区域进行相似匹配，标准区域与搜索区域具有相同面积，其中，

若搜索区域S₁或搜索区域S₂与标准区域的相似度为高级，则判定搜索区域S₁或搜索区域S₂均不存在缺陷区域，对搜索区域S₁或搜索区域S₂无需执行迭代搜索；

若搜索区域S₁或搜索区域S₂与标准区域的相似度为中级，则判定搜索区域S₁或搜索区域S₂均存在缺陷区域，对搜索区域S₁或搜索区域S₂分别进行迭代搜索；

若搜索区域S₁或搜索区域S₂与标准区域的相似度为低级，则判定搜索区域S₁或搜索区域S₂为缺陷区域。

步骤S2中，迭代搜索的方法还包括：

对搜索区域S₁进行迭代搜索的方法包括：

将搜索区域S₁中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合，并将两组绒面像素点集合分别作为新的搜索区域S₁和搜索区域S₂，返回步骤S203；

对搜索区域S₂进行迭代搜索的方法包括：

将搜索区域S₂中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合，并将两组绒面像素点集合分别作为新的搜索区域S₁和搜索区域S₂，返回步骤S203。

步骤S2中，中点的标记方法包括：

获取搜索区域中包含的所有绒面像素点[min,max]的区分编号最小值min和区分编号最大值max，并基于中点计算公式得到表征位于中点处的绒面像素点的区分编号中点值，中点计算公式为：

式中，Midle表征为绒面像素点的区分编号中点值，max、min表征为绒面像素点的区分编号最小值和区分编号最大值，F表征为向上取整函数，G表征为向下取整函数；

将搜索区域中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合分别表征为[min，Midle]和[Midle+1，max]，则两个新的搜索区域S₁和搜索区域S₂分别为[min，max＝Midle]和[min＝Midle+1，max]。

利用对称分割可以迅速将非缺陷区域和缺陷区域进行隔绝处理，将缺陷区域锁定在搜索区域内，将非缺陷区域进行搜索排除，从而避免在非缺陷区域中进行无效搜索，而是仅在包含缺陷区域的搜索区域中进行有效搜索。

本实施例提供一种缺陷区域的筛选举例，比如：假设绒面图像包含16个像素点(事实上绒面图像的像素点远大于16，此处为了叙述清晰选择16个)，假设绒面像素点2和7表征为缺陷区域，如表1所示。

表1绒面图像的像素点区分编号表示

1	2	3	4
				5	6	7	8
9	10	11	12
				13	14	15	16

将绒面图像作为搜索区域S，根据中点的计算公式，搜索区域S包含的所有绒面像素点为[1,16]，绒面像素点的区分编号最大值为16，绒面像素点的区分编号最大值为1，则中点为

将搜索区域S中包含的绒面像素点从中点8处进行划分得到两组绒面像素点集合[1,8]和[9,16]，并将两个绒面像素点集合作为两个搜索区域S₁，S₂，此时搜索区域S₁包含的绒面像素点为[1,8]，搜索区域S₂包含的绒面像素点为[9,16]，将搜索区域S₁包含的绒面像素点为[1,8]和搜索区域S₂包含的绒面像素点为[9,16]分别与标准区域(标准区域同样由地毯实体中非缺陷区域产生的图像块且包含8个绒面像素点)进行相似度比较，与标准区域的相似度越高，则为非缺陷区域的可能性越大，通过相似度比较后搜索区域S₂为非缺陷区域，无需进行搜索，而搜索区域S₁则由于包含缺陷区域进入迭代搜索。

将搜索区域S₁根据中点的计算公式，搜索区域S₁包含的所有绒面像素点为[1,8]，绒面像素点的区分编号最大值为8，绒面像素点的区分编号最大值为1，则中点为

将搜索区域S中包含的绒面像素点从中点4处进行划分得到两组绒面像素点集合[1,4]和[5,8]，并将两个绒面像素点集合作为两个新的搜索区域S₁，S₂，此时搜索区域S₁包含的绒面像素点为[1,4]，搜索区域S₂包含的绒面像素点为[5,8]，将搜索区域S₁包含的绒面像素点为[1,4]和搜索区域S₂包含的绒面像素点为[5,8]分别与标准区域(标准区域同样由地毯实体中非缺陷区域产生的图像块且包含4个绒面像素点)进行相似度比较，通过相似度比较后得到搜索区域S₁和搜索区域S₂均由于包含缺陷区域进入迭代搜索，其中，

将搜索区域S₁根据中点的计算公式，搜索区域S₁包含的所有绒面像素点为[1,4]，绒面像素点的区分编号最大值为4，绒面像素点的区分编号最大值为1，则中点为

将搜索区域S中包含的绒面像素点从中点2处进行划分得到两组绒面像素点集合[1,2]和[3,4]，并将两个绒面像素点集合作为两个新的搜索区域S₁，S₂，此时搜索区域S₁包含的绒面像素点为[1,2]，搜索区域S₂包含的绒面像素点为[3,4]，将搜索区域S₁包含的绒面像素点为[1,2]和搜索区域S₂包含的绒面像素点为[3,4]分别与标准区域(标准区域同样由地毯实体中非缺陷区域产生的图像块且包含2个绒面像素点)进行相似度比较，通过相似度比较后得到搜索区域S₁由于包含缺陷区域进入迭代搜索，重复以上操作得到缺陷区域为绒面像素点2。

而之前搜索区域S₂由于包含缺陷区域进入迭代搜索，搜索区域S₂包含的所有绒面像素点为[5,8]，绒面像素点的区分编号最大值为8，绒面像素点的区分编号最大值为5，则中点为

将搜索区域S中包含的绒面像素点从中点6处进行划分得到两组绒面像素点集合[5,6]和[7,8]，并将两个绒面像素点集合作为两个新的搜索区域S₁，S₂，此时搜索区域S₁包含的绒面像素点为[5,6]，搜索区域S₂包含的绒面像素点为[7,8]，将搜索区域S₁包含的绒面像素点为[5,6]和搜索区域S₂包含的绒面像素点为[7,8]分别与标准区域(标准区域同样由地毯实体中非缺陷区域产生的图像块且包含2个绒面像素点)进行相似度比较，通过相似度比较后得到搜索区域S₁由于包含缺陷区域进入迭代搜索，重复以上操作得到缺陷区域为绒面像素点7。

步骤S2中，搜索区域与标准区域的相似度的计算方法包括：

统计搜索区域与标准区域的RGB像素直方图，并将搜索区域的RGB像素直方图与标准区域的RGB像素直方图进行相似度计算，其中，

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度高于相似度阈值上限，则搜索区域与标准区域的像素度为高级；

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度低于相似度阈值上限且高于相似度阈值下限，则搜索区域与标准区域的像素度为中级；

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度低于相似度阈值下限，则搜索区域与标准区域的像素度为低级；

相似度采用巴氏系数进行衡量，巴氏系数的公式为：

式中，p(j)表征为搜索区域的RGB像素直方图中的第j个数据；p^′(j)表征为标准区域的RGB像素直方图中的第j个数据，N为RGB像素直方图的总数目，j为计量常数，无实质意义。

直接利用搜索区域的像素整体性质直方图进行比对，替代将搜索区域内的逐个绒面像素点的比较，以及绒面像素点的逐点位置对应的过程，有效的提高了识别效率。

步骤S3、基于所有缺陷区域的位置坐标进行补种规划得到补种路径，并控制自动补种装置按补种路径在地毯实体中进行缺陷补种。

步骤S3中，补种路径的规划方法包括：

将缺陷区域中包含的所有绒面像素点按照横坐标进行顺序排列得到缺陷区域内的局部补种路径，并将所有缺陷区域按照所包含的绒面像素点的横坐标最大值进行顺序排列得到缺陷区域间的全局补种路径；

其中，若两个绒面像素点的横坐标相同，则将纵坐标较大的绒面像素点作为排列后项。

缺陷补种的具体方法：

控制自动补种装置沿全局补种路径依次进入一个缺陷区域中，在缺陷区域中沿局部补种路径在地毯实体上进行绒毛补种，并在局部补种路径完成后进入全局补种路径，进入下一个缺陷区域，直至全局补种路径完成。

设置补种路径可以有效控制补种装置保持最短的移动路径，高效且节约电力资源。

如图2所示，基于上述视觉检测的地毯缺陷检测方法，本发明提供了一种检测系统，包括：

图像获取单元1，利用图像拍摄装置获取地毯实体的绒面图像，并为绒面图像和地毯实体建立同一二维坐标系构建绒面图像与地毯实体的位置映射关系；

缺陷识别单元2，对绒面图像进行迭代式的对称分割以迭代得到两个对称的搜索区域，并同步对两个对称的搜索区域进行相似匹配筛选出包含纺织缺陷的搜索区域作为缺陷区域；

补种规划单元3，基于所有缺陷区域的位置坐标进行补种规划得到补种路径，并控制自动补种装置按补种路径在地毯实体中进行缺陷补种。

本发明利用地毯缺陷组织和正常绒面组织具有不同的色彩透光度，将识别台面设置为彩色系背景色，使地毯实体拍摄出的绒面图像中缺陷区域的像素点与非缺陷区域的像素点的RGB像素差异度增大，以提高识别效率，在进行图像识别缺陷区域时利用对称迭代式分割搜索方法，可以快速的缩小搜索区域，只需要对搜索区域进行缺陷搜索，去除了大量无效搜索，搜索效率提高的同时提高了搜索精度。

以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (9)

1.一种基于视觉检测的地毯缺陷检测方法，其特征在于：包括以下步骤：

步骤S1、利用图像拍摄装置获取地毯实体的绒面图像，并为所述绒面图像和地毯实体建立同一二维坐标系构建绒面图像与地毯实体的位置映射关系；

步骤S2、对所述绒面图像进行迭代式的对称分割以迭代得到两个对称的搜索区域，并同步对两个对称的搜索区域进行相似匹配筛选出包含纺织缺陷的搜索区域作为缺陷区域；

步骤S3、基于所有缺陷区域的位置坐标进行补种规划得到补种路径，并控制自动补种装置按补种路径在地毯实体中进行缺陷补种。

2.根据权利要求1所述的一种基于视觉检测的地毯缺陷检测方法，其特征在于：所述步骤S1中，所述绒面图像的获取方法包括：

在所述地毯实体平铺于具有彩色系背景色的检测台平面上，并将图像拍摄装置在位于地毯实体正上方进行垂直拍摄得到绒面图像，其中，所述彩色系背景色用于使所述绒面图像中缺陷区域的像素点与非缺陷区域的像素点的RGB像素差异度增大，以提高识别效率；

将所述绒面图像利用坐标属性和像素属性转化为一组绒面像素点表示形式(x_i,y_i,RGB_i)，其中，所述坐标属性表征为绒面像素点在二维坐标系中的坐标，所述像素属性表征为绒面像素点的RGB像素值，x_i,y_i分别表征为绒面像素点i在坐标属性中的横、纵坐标，RGB_i表征为绒面像素点i在像素属性中的RGB像素值，i∈[1,M]，i表征为绒面像素点的区分编号，M为绒面像素点的总个数。

3.根据权利要求2所述的一种基于视觉检测的地毯缺陷检测方法，其特征在于：所述步骤S2中，所述缺陷区域的筛选方法包括：

步骤S201、将所述绒面图像作为搜索区域S；

步骤S202、将搜索区域S中包含的所述绒面像素点从中点处进行划分得到两组绒面像素点集合，并将两个绒面像素点集合作为两个搜索区域S₁，S₂；

步骤S203、将搜索区域S₁和搜索区域S₂分别与标准区域进行相似匹配，所述标准区域与搜索区域具有相同面积，其中，

若搜索区域S₁或搜索区域S₂与标准区域的相似度为高级，则判定搜索区域S₁或搜索区域S₂均不存在缺陷区域，对搜索区域S₁或搜索区域S₂无需执行迭代搜索；

若搜索区域S₁或搜索区域S₂与标准区域的相似度为中级，则判定搜索区域S₁或搜索区域S₂均存在缺陷区域，对搜索区域S₁或搜索区域S₂分别进行迭代搜索；

若搜索区域S₁或搜索区域S₂与标准区域的相似度为低级，则判定搜索区域S₁或搜索区域S₂为缺陷区域。

4.根据权利要求3所述的一种基于视觉检测的地毯缺陷检测方法，其特征在于：所述步骤S2中，所述迭代搜索的方法还包括：

对所述搜索区域S₁进行迭代搜索的方法包括：

将搜索区域S₁中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合，并将两组绒面像素点集合分别作为新的搜索区域S₁和搜索区域S₂，返回步骤S203；

对所述搜索区域S₂进行迭代搜索的方法包括：

将搜索区域S₂中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合，并将两组绒面像素点集合分别作为新的搜索区域S₁和搜索区域S₂，返回步骤S203。

5.根据权利要求4所述的一种基于视觉检测的地毯缺陷检测方法，其特征在于：所述步骤S2中，所述中点的标记方法包括：

获取搜索区域中包含的所有绒面像素点[min,max]的区分编号最小值min和区分编号最大值max，并基于中点计算公式得到表征位于所述中点处的绒面像素点的区分编号中点值，所述中点计算公式为：

式中，Midle表征为绒面像素点的区分编号中点值，max、min表征为绒面像素点的区分编号最小值和区分编号最大值，F表征为向上取整函数，G表征为向下取整函数；

将搜索区域中包含的所有绒面像素点从中点处进行划分成两组绒面像素点集合分别表征为[min，Midle]和[Midle+1，max]，则两个新的搜索区域S₁和搜索区域S₂分别为[min，max＝Midle]和[min＝Midle+1，max]。

6.根据权利要求3所述的一种基于视觉检测的地毯缺陷检测方法，其特征在于：所述步骤S2中，所述搜索区域与标准区域的相似度的计算方法包括：

统计搜索区域与标准区域的RGB像素直方图，并将搜索区域的RGB像素直方图与标准区域的RGB像素直方图进行相似度计算，其中，

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度高于相似度阈值上限，则搜索区域与标准区域的像素度为高级；

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度低于相似度阈值上限且高于相似度阈值下限，则搜索区域与标准区域的像素度为中级；

若搜索区域的RGB像素直方图与标准区域的RGB像素直方图的相似度低于相似度阈值下限，则搜索区域与标准区域的像素度为低级；

所述相似度采用巴氏系数进行衡量，所述巴氏系数的公式为：

式中，p(j)表征为搜索区域的RGB像素直方图中的第j个数据；p′(j)表征为标准区域的RGB像素直方图中的第j个数据，N为RGB像素直方图的总数目，j为计量常数，无实质意义。

7.根据权利要求1所述的一种基于视觉检测的地毯缺陷检测方法，其特征在于，所述步骤S3中，所述补种路径的规划方法包括：

将所述缺陷区域中包含的所有绒面像素点按照横坐标进行顺序排列得到缺陷区域内的局部补种路径，并将所有缺陷区域按照所包含的绒面像素点的横坐标最大值进行顺序排列得到缺陷区域间的全局补种路径；

其中，若两个绒面像素点的横坐标相同，则将纵坐标较大的绒面像素点作为排列后项。

8.根据权利要求7所述的一种基于视觉检测的地毯缺陷检测方法，其特征在于，所述缺陷补种的具体方法：

控制自动补种装置沿全局补种路径依次进入一个缺陷区域中，在缺陷区域中沿局部补种路径在地毯实体上进行绒毛补种，并在局部补种路径完成后进入全局补种路径，进入下一个缺陷区域，直至全局补种路径完成。

9.一种根据权利要求1-8任一项所述的基于视觉检测的地毯缺陷检测方法的检测系统，其特征在于，包括：

图像获取单元(1)，利用图像拍摄装置获取地毯实体的绒面图像，并为所述绒面图像和地毯实体建立同一二维坐标系构建绒面图像与地毯实体的位置映射关系；

缺陷识别单元(2)，对所述绒面图像进行迭代式的对称分割以迭代得到两个对称的搜索区域，并同步对两个对称的搜索区域进行相似匹配筛选出包含纺织缺陷的搜索区域作为缺陷区域；

补种规划单元(3)，基于所有缺陷区域的位置坐标进行补种规划得到补种路径，并控制自动补种装置按补种路径在地毯实体中进行缺陷补种。

Images