CN116124783A - 一种毛坯布织造的瑕疵检测方法及装置 - Google Patents

一种毛坯布织造的瑕疵检测方法及装置 Download PDF

Info

Publication number
CN116124783A
CN116124783A CN202211303980.3A CN202211303980A CN116124783A CN 116124783 A CN116124783 A CN 116124783A CN 202211303980 A CN202211303980 A CN 202211303980A CN 116124783 A CN116124783 A CN 116124783A
Authority
CN
China
Prior art keywords
flaw
scanning
detection
partition
fabric
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211303980.3A
Other languages
English (en)
Inventor
王绍航
傅琳华
张小丹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202211303980.3A priority Critical patent/CN116124783A/zh
Publication of CN116124783A publication Critical patent/CN116124783A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • G01N2021/0106—General arrangement of respective parts
    • G01N2021/0112—Apparatus in one mechanical, optical or electronic block
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8854—Grading and classifying of flaws
    • G01N2021/8861—Determining coordinates of flaws
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30124—Fabrics; Textile; Paper
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Theoretical Computer Science (AREA)
  • Treatment Of Fiber Materials (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种毛坯布织造的瑕疵检测方法及装置，所述方法包括：获得所述第一待检测织品的几何数据；将所述第一待检测织品的几何数据输入宽比几何分区模型中进行自动分区并对应编码，生成第一检测编码分区；根据所述第一检测编码分区生成的第一瑕疵扫描参数进行瑕疵扫描，获得第一瑕疵锚点区；通过对所述第一瑕疵锚点区进行分隔符编号，生成第二检测编码分区；根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征；将所述第一扫描特征输入瑕疵检测模型中，获得第一检测结果。解决了现有技术中存在瑕疵检测技术的可实用性较弱，检测效率和精度较低，且无法针对瑕疵特征智能化生成瑕疵产生原因技术问题。

Description

一种毛坯布织造的瑕疵检测方法及装置
技术领域
本发明涉及毛坯布织造相关领域，尤其涉及一种毛坯布织造的瑕疵检测方法及装置。
背景技术
近年来，随着智能化技术的不断发展，提高纺织产品的质量成为长期以来的热点，在生产布匹的时候，往往需要进行一系列的质量检测从而面向市场，因此，布匹的瑕疵检测成为生产过程中必不可少的关键步骤，直接影响着织品质量。其中，纺织品的瑕疵是指将纺织品上呈现的削弱其质量性能及影响外观的缺陷都定义为布面瑕疵。随着国内的布匹瑕疵检测技术越来越成熟，企业生产的不断投入使用，对瑕疵检测技术的可实用性提出了更高的要求。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在瑕疵检测技术的可实用性较弱，检测效率和精度较低，且无法针对瑕疵特征智能化生成瑕疵产生原因技术问题。
发明内容
本申请实施例通过提供一种毛坯布织造的瑕疵检测方法及装置，解决了现有技术中存在瑕疵检测技术的可实用性较弱，检测效率和精度较低，且无法针对瑕疵特征智能化生成瑕疵产生原因技术问题，达到了通过对检测扫描方式进行规划采用分区扫描准确实现瑕疵定位，并基于编码进行针对性检测，从而增加瑕疵检测技术的可实用性，满足高精度的同时保证高效率的技术效果。
鉴于上述问题，提出了本申请实施例提供一种毛坯布织造的瑕疵检测方法及装置。
第一方面，本申请实施例提供了一种毛坯布织造的瑕疵检测方法，其中，所述方法应用于一种毛坯布织造的瑕疵检测装置，所述装置与一图像采集装置通信连接，所述方法包括：获得第一待检测织品的第一织造参数；根据所述第一织造参数，获得所述第一待检测织品的几何数据；将所述第一待检测织品的几何数据输入宽比几何分区模型中进行自动分区并对应编码，生成第一检测编码分区；根据所述第一检测编码分区，生成第一瑕疵扫描参数，其中，所述第一瑕疵扫描参数用于控制所述图像采集装置进行瑕疵扫描；根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码分区中提取瑕疵分区，获得第一瑕疵锚点区；通过对所述第一瑕疵锚点区进行分隔符编号，生成第二检测编码分区；根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征；将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果。
另一方面，本申请还提供了一种毛坯布织造的瑕疵检测装置，所述装置包括：制造参数获取模块，所述制造参数获取模块用于获得第一待检测织品的第一织造参数；织品数据提取模块，所述织品数据提取模块用于根据所述第一织造参数，获得所述第一待检测织品的几何数据；分区编码模块，所述分区编码模块用于将所述第一待检测织品的几何数据输入宽比几何分区模型中进行自动分区并对应编码，生成第一检测编码分区；瑕疵扫描模块，所述瑕疵扫描模块用于根据所述第一检测编码分区，生成第一瑕疵扫描参数，其中，所述第一瑕疵扫描参数用于控制图像采集装置进行瑕疵扫描；瑕疵提取模块，所述瑕疵提取模块用于根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码分区中提取瑕疵分区，获得第一瑕疵锚点区；区域编号模块，所述区域编号模块用于通过对所述第一瑕疵锚点区进行分隔符编号，生成第二检测编码分区；二次瑕疵扫描模块，所述二次瑕疵扫描模块用于根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征；瑕疵检测输出模块，所述瑕疵检测输出模块用于将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果。
第三方面，本发明提供了一种毛坯布织造的瑕疵检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了通过对所述第一待检测织品的织造参数进行分析，从而确定出其几何数据，进而将确定的几何数据输出宽比几何分区模型中进行织品分区编码，生成第一检测编码分区，图像采集装置按照一定的扫描参数对编码分区进行瑕疵扫描，并提取出具有瑕疵的对应分区进行二次编码，且二次编码时需要增加分隔符进行串联编码，从而保留原始分区编码信息以保证瑕疵定位信息的获取，进一步的，所述图像采集装置通过对二次编码的分区以第二扫描参数进行二次高精度扫描，从而对应获得扫描出的瑕疵特征，并根据提前构建的瑕疵检测模型中进行瑕疵原因映射的分析，进而输出所述第一检测结果的方式，达到了通过对检测扫描方式进行规划采用分区扫描准确实现瑕疵定位，并基于编码进行针对性检测，从而增加瑕疵检测技术的可实用性，满足高精度的同时保证高效率的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种毛坯布织造的瑕疵检测方法的流程示意图；
图2为本申请实施例一种毛坯布织造的瑕疵检测方法的图像转化流程示意图；
图3为本申请实施例一种毛坯布织造的瑕疵检测方法的锚点标识流程示意图；
图4为本申请实施例一种毛坯布织造的瑕疵检测方法的扫描参数调整流程示意图；
图5为本申请实施例一种毛坯布织造的瑕疵检测方法的瑕疵特征扫描流程示意图；
图6为本申请实施例一种毛坯布织造的瑕疵检测方法的纹理差异分析流程示意图；
图7为本申请实施例一种毛坯布织造的瑕疵检测方法的检测模型构建流程示意图；
图8为本申请实施例一种毛坯布织造的瑕疵检测装置的结构示意图。
附图标记说明：制造参数获取模块11，织品数据提取模块12，分区编码模块13，瑕疵扫描模块14，瑕疵提取模块，区域编号模块16，二次瑕疵扫描模块17，瑕疵检测输出模块18。
具体实施方式
本申请实施例通过提供一种毛坯布织造的瑕疵检测方法及装置，解决了现有技术中存在瑕疵检测技术的可实用性较弱，检测效率和精度较低，且无法针对瑕疵特征智能化生成瑕疵产生原因技术问题，达到了通过对检测扫描方式进行规划采用分区扫描准确实现瑕疵定位，并基于编码进行针对性检测，从而增加瑕疵检测技术的可实用性，满足高精度的同时保证高效率的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
近年来，随着智能化技术的不断发展，提高纺织产品的质量成为长期以来的热点，在生产布匹的时候，往往需要进行一系列的质量检测从而面向市场，因此，布匹的瑕疵检测成为生产过程中必不可少的关键步骤，直接影响着织品质量。其中，纺织品的瑕疵是指将纺织品上呈现的削弱其质量性能及影响外观的缺陷都定义为布面瑕疵。随着国内的布匹瑕疵检测技术越来越成熟，企业生产的不断投入使用，对瑕疵检测技术的可实用性提出了更高的要求。但现有技术中存在瑕疵检测技术的可实用性较弱，检测效率和精度较低，且无法针对瑕疵特征智能化生成瑕疵产生原因技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种毛坯布织造的瑕疵检测方法，其中，所述方法应用于一种毛坯布织造的瑕疵检测装置，所述装置与一图像采集装置通信连接，所述方法包括：获得第一待检测织品的第一织造参数；根据所述第一织造参数，获得所述第一待检测织品的几何数据；将所述第一待检测织品的几何数据输入宽比几何分区模型中进行自动分区并对应编码，生成第一检测编码分区；根据所述第一检测编码分区，生成第一瑕疵扫描参数，其中，所述第一瑕疵扫描参数用于控制所述图像采集装置进行瑕疵扫描；根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码分区中提取瑕疵分区，获得第一瑕疵锚点区；通过对所述第一瑕疵锚点区进行分隔符编号，生成第二检测编码分区；根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征；将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果。
在介绍了本申请基本原理后，下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题同样适用。
实施例一
如图1所示，本申请实施例提供了一种毛坯布织造的瑕疵检测方法，其中，所述方法应用于一种毛坯布织造的瑕疵检测装置，所述装置与一图像采集装置通信连接，所述方法包括：
步骤S100：获得第一待检测织品的第一织造参数；
步骤S200：根据所述第一织造参数，获得所述第一待检测织品的几何数据；
具体而言，所述第一待检测织品为毛坯布织造需要进行质量检测的织品，经过质量检测和瑕疵检测的方式使得对应的待检测织品在出厂时具有较高的质量，因此，通过将所述第一待检测织品的织造参数进行数据采集，其中，所述织造参数包括织造设备的参数从而获得织造参数的对应宽比，并根据所述对应宽比获得所述第一待检测织品几何数据，由于在不同的订单需求和使用情况下对于织品的织造需要根据不同的织造参数和几何数据进行，因此，在对所述第一待检测织品进行瑕疵扫描时首先针对其所述几何数据进行检测，以增加待检测织品的检测条件，从而实现合理化规划检测方式和效率的技术效果。
步骤S300：将所述第一待检测织品的几何数据输入宽比几何分区模型中进行自动分区并对应编码，生成第一检测编码分区，其中，所述宽比几何分区模型通过训练数据至收敛获得；
具体而言，所述宽比几何分区模型为是通过多组训练数据进行宽比几何分区实现的，其中，所述宽比几何分区模型的所述多组训练数据是通过采集多种宽比分区的样本训练集进行数据的训练和收敛，通过确定收敛后的信息输出模型的输出信息，进一步的，通过监督式的模型训练使得模型能够具有针对输入的几何信息，迅速确定最适合的宽比划分比的功能，从而能够进一步的对所述第一待检测织品进行宽比的准确区域划分，并根据其对应的区域进行编码，且每个分区都具有唯一标识性的编码，根据所述编码能够对应解析出目前扫描的织品定位信息，从而生成所述第一检测编码分区为之后进行图像采集装置的扫描提供出准确的分区，提高其瑕疵检测的有效规划性。
步骤S400：根据所述第一检测编码分区，生成第一瑕疵扫描参数，其中，所述第一瑕疵扫描参数用于控制所述图像采集装置进行瑕疵扫描；
进一步而言，如图4所示，其中，所述根据所述第一检测编码分区，生成第一瑕疵扫描参数，本申请实施例步骤S400还包括：
步骤S410：获得所述第一待检测织品的第一织造效率；
步骤S420：根据所述第一织造效率，确定第一预设扫描效率，其中，所述第一预设扫描效率为所述图像采集装置进行瑕疵扫描的效率；
步骤S430：根据所述第一预设扫描效率，生成第一调整扫描参数；
步骤S440：根据所述第一调整扫描参数对所述第一瑕疵扫描参数进行调整。
具体而言，通过对所述第一待检测织品的织造效率进行分析，从而确定出适配于所述第一织造效率的对应扫描效率即所述第一预设扫描效率，其中，所述第一织造效率的获得可以根据织造的设备和订单以及工人的织造效率进行计算，由于扫描效率与所述第一织造效率不相互适配从而会使得所述第一待检测织品进行滞留，不仅增加工厂的存储成本还会增加人员成本，造成织品滞留供应链不够流畅的问题，因此，通过对所述图像采集装置的扫描效率进行制约从而生成对应的调整后的效率，其中，在进行扫描效率制约的过程中可以根据其扫描的参数的最大化有效数据进行约束，在保证扫描准确度的情况增加其瑕疵检测的效率性，从而提高可实用性。
步骤S500：根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码分区中提取瑕疵分区，获得第一瑕疵锚点区；
具体而言，所述第一瑕疵扫描参数是针对所述图像采集装置生成的装置控制参数，其中，所述图像采集装置为智能图像采集装置，包括智能摄像头，数据处理模块和数据传输模块，通过所述智能摄像头对所述第一待检测织品进行对应分区的扫描，所述第一瑕疵扫描参数是通过对摄像头扫描的方式和路径进行设定，根据其分区宽比数据，生成扫描垂直距离参数、路径参数，呈弓字型的扫描方式进行瑕疵扫描。进一步的，其中扫描的过程还可以将所述第一待检测织品进行传送扫描，对于传送扫描的方式至需要对所述第一待检测织品的传送参数进行设置从而完成分区扫描，当扫描过程中图像出现瑕疵点时将对应的分区进行记录，从而获得包括瑕疵特征的区域进行锚点标记，其中，进行锚点标记的过程是对扫描的图像中瑕疵点的标记过程，从而通过标记的锚点可以对所述第一待检测织品的瑕疵点进行快速定位，达到了提高检测高精度的同时保证检测效率的技术效果。
进一步而言，如图2所示，其中，所述根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码区中提取瑕疵分区，本申请实施例步骤S500还包括：
步骤S510：所述图像采集装置按照所述第一瑕疵扫描参数进行瑕疵扫描，获得第一扫描图像信息，其中，所述第一扫描图像信息包括对应的编码信息；
步骤S520：通过对所述第一扫描图像信息进行比对增强转化，获得第一转化图像信息；
步骤S530：根据所述第一转化图像信息进行瑕疵编码分区提取，获得第一瑕疵像素点；
步骤S540：根据所述第一瑕疵像素点进行量化分析，获得所述第一瑕疵锚点区。
具体而言，所述图像采集装置对所述第一待检测织品进行图像扫描，从而根据对应的垂直距离和扫描速度以及“弓”字型路径扫描各分区的图像，进而生成所述第一图像信息，由于所述图像采集装置按照所述第一瑕疵扫描参数进行瑕疵扫描是对所述第一待检测织品进行是否有瑕疵的判断，当所述第一待检测织品不具有瑕疵时直接检测通过，当所述第一待检测织品具有瑕疵需要进一步的完成细化检测，因此，为了增加瑕疵检测的准确性需要对所述第一扫描图像信息进行图像增强转换，由于在进行第一次的瑕疵扫描时不需要对瑕疵自身进行识别和判断，因此，只需要根据所述第一待检测织品的织品底色确定相应的反色进行增强处理，从而增加瑕疵判断的高效和准确性，将检测通过织品及时进行包装存储或运输，再对具有瑕疵的织品进行下一步的细化检测，通过对增强处理后的所述第一转化图像信息进行瑕疵像素点的量化分析，从而确定其瑕疵的量化大小实现瑕疵的精准检测，提高检测效率和质量。
进一步而言，如图3所示，其中，所述根据所述第一瑕疵像素点进行量化分析，获得所述第一瑕疵锚点区，本申请实施例步骤S540还包括：
步骤S541：通过对所述第一瑕疵像素点进行量化轮廓采集，获得第一瑕疵轮廓信息；
步骤S542：将所述第一瑕疵轮廓信息输入瑕疵结构分析模型中，根据所述瑕疵结构分析模型，输出第一瑕疵特征；
步骤S543：根据所述第一瑕疵特征，设定第一锚点标识；
步骤S544：基于所述第一锚点标识对所述第一瑕疵锚点区进行标记。
具体而言，通过对所述第一转换图像进行瑕疵点像素提取后的图像进行量化轮廓采集，从而根据提取后的轮廓进行轮廓结构分析，其中，瑕疵结构分析模型是通过获得多组样本训练集数据进行结构特征训练从而构建的模型，且所述瑕疵结构分析模型的样本是通过对点状瑕疵、线状瑕疵以及面状瑕疵进行多个样本采集，并完成对应几何轮廓信息分析实现模型的训练，因此，将所述第一瑕疵轮廓信息输入所述瑕疵结构分析模型中能够分析获得对应的瑕疵轮廓特征进为之后的进一步分析和检测提供基础数据。
进一步的，由于点状瑕疵、线状瑕疵以及面状瑕疵其对应的瑕疵程度不同，通过对不同结构的瑕疵进行锚点的标识从而能够便于统计所述第一待检测织品的瑕疵结构量化，因此，通过对不同结构的瑕疵进行对应的锚点标识，从而能够通过确定所述第一瑕疵锚点区进而对所述瑕疵点进行像素定位分析，从而便于瑕疵数据的数据分析及处理，进一步的实现高质量的瑕疵定位和可实用性。
步骤S600：通过对所述第一瑕疵锚点区进行分隔符编号，生成第二检测编码分区；
步骤S700：根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征；
具体而言，通过对所述第一瑕疵锚点区进行分隔符编号是通过对所述第一瑕疵锚点区的一次编号后增加分隔符从而生成对应的二次编号对具有瑕疵的分区进行编码，从而所述图像采集装置可以根据其种进行编码后的分区进行二次扫描，且二次扫描的过程前可以将瑕疵检测通过的织品直接进行输出，从而单独对具有瑕疵的分区进行扫描参数的确定，其中，所述第二瑕疵扫描参数与所述第一瑕疵扫描参数相比时会降低其与垂直距离和扫描方式以确定瑕疵检测的准确性，所述第二瑕疵扫描参数主要是根据针对具有瑕疵分区的具有特征扫描和分析，比如其纹理特征以及形状轮廓，所处的分区编码等从而提取出其中的主要特征，进而生成所述第一扫描特征的方式达到了满足高精度同时保证高效率的技术效果。
进一步而言，如图5所示，其中，所述根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征，本申请实施例S700还包括：
步骤S710：获得所述第一待检测织品的第一经纬排列信息；
步骤S720：根据所述第一经纬排列信息，确定第一预设纹理特征；
步骤S730：通过所述图像采集装置根据所述第二瑕疵扫描参数，获得第二扫描图像信息；
步骤S740：基于所述第一预设纹理特征对所述第二扫描图像进行异常纹理检测，获得第一检测结果；
步骤S750：根据所述第一检测结果，获得所述第一扫描特征。
具体而言，由于所述第一待检测织品的需求类型不同其对应的纺织设备经纬排列数据也有所不同，因此，需要对所述第一待检测织品的经纬排列信息进行采集，从而对应获得其所述第一经纬排列信息对应的纹理结构即所述第一预设纹理特征。进一步的，对具有瑕疵的编码区以所述第二瑕疵扫描参数进行扫描获得对应所述第二扫描图像信息，其中，由于所述第二检测编码区为包括瑕疵的检测分区，因此，同时包括了两种不同的纹理特征，基于所述第一预设纹理特征对所述第二扫描图像的纹理进行检测能够进一步的获得对应的异常纹理检测结构，从而获得对应的细化扫描特征，基于细化的扫描特征进行之后的数据分析，提供了有效的数据基础。
进一步而言，如图6所示，其中，所述基于所述第一预设纹理特征对所述第二扫描图像进行异常纹理检测，获得第一检测结果，本申请实施例S740还包括：
步骤S741：根据所述第二扫描图像信息，确定第一纹理特征和第二纹理特征，其中，所述第一纹理特征和所述第二纹理特征为不同纹理；
步骤S742：基于所述第一预设纹理特征对所述第一纹理特征和所述第二纹理特征进行特征匹配，获得第一匹配结果；
步骤S743：根据所述第一匹配结果，获得第一差异纹理特征；
步骤S744：根据所述第一差异纹理特征，生成第一差异系数；
步骤S745：当所述第一差异系数处于预设差异系数中，获得第一跳转指令，其中，所述第一跳转指令用于跳转至下一检测分区进行扫描。
具体而言，所述第一纹理特征和所述第二纹理特征为对所述第二检测编码分区进行图像扫描后的识别出的不同的纹理特征，其中，由于所述第一预设纹理特征为提前设置的有效纹理特征，因此，基于所述第一预设纹理特征进行特征的匹配，当所述第一纹理特征和所述第二纹理特征中具有重合纹理特征为匹配成功纹理特征，另一个为匹配不成功的所述第一差异纹理特征，即对应的瑕疵特征。因此，根据两种不同的纹理特征差异程度进行分析，选出其中差异程度较小的进行瑕疵忽略，即可以根据纹理的差异性程度对于在实际生产时的可接受瑕疵进行忽略处理，对于不可忽略的瑕疵再进行检测，从而所述第一跳转指令用于对可忽略的瑕疵进行跳转检测下一瑕疵的方式，达到了基于实际性瑕疵忽略处理，从而进一步的增加可实用性。
步骤S800：将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果。
具体而言，所述瑕疵检测模型是根据建立的瑕疵特征训练集和瑕疵映射原因数据进行对应关系输出的模型构建，进一步的，将所述第一扫描特征输入所述瑕疵检测模型中，通过所述瑕疵检测模型可以根据其所述第一扫描特征以智能化输出所述第一检测结果，其中，所述第一检测结果为包括对应瑕疵产生原因，从而根据所述第一检测结果对应生成分析数据，根据所述分析数据达到对瑕疵的原因进行统计分析和检测从而提醒用户检查相关设备或参数，提高织品瑕疵的可实用性。
进一步而言，如图7所示，其中，所述将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果，本申请实施例S800还包括：
步骤S810：构建第一瑕疵数据集；
步骤S820：通过对所述第一瑕疵数据集进行瑕疵数据评分，获得评分大于等于预设评分的N个瑕疵数据集；
步骤S830：根据所述N个瑕疵数据集对应构建N个瑕疵映射数据；
步骤S840：将所述N个瑕疵数据集和所述N个瑕疵映射数据作为输入信息训练所述瑕疵检测模型，获得所述瑕疵检测模型输出的瑕疵检测结果，其中，瑕疵检测结果为瑕疵特征对应的原因映射结果。
具体而言，构建的所述第一瑕疵数据集是通过对瑕疵特征进行有效化的分析从而构建的多种类的瑕疵数据集，由于进行数据训练时为了保证数据的代表性和模型的准确性，需要对所述第一瑕疵数据集进行瑕疵特征的数据质量评分，获得具有特征性和清晰准确的N个瑕疵数据集，进一步的，再对应获得所述N个瑕疵数据集对应的瑕疵原因进行N个映射数据的一一映射，从而根据所述N个瑕疵数据集对应构建N个瑕疵映射数据进行模型的输入，由于模型数据的训练和收敛，能够根据机器学习的方式输出准确的信息，使得输出的瑕疵特征对应的原因映射结果更准确，提高了输出信息的智能化程度。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘，移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。
综上所述，本申请实施例所提供的一种毛坯布织造的瑕疵检测方法及装置具有如下技术效果：
1、由于采用了通过对所述第一待检测织品的织造参数进行分析，从而确定出其几何数据，进而将确定的几何数据输出宽比几何分区模型中进行织品分区编码，生成第一检测编码分区，图像采集装置按照一定的扫描参数对编码分区进行瑕疵扫描，并提取出具有瑕疵的对应分区进行二次编码，且二次编码时需要增加分隔符进行串联编码，从而保留原始分区编码信息以保证瑕疵定位信息的获取，进一步的，所述图像采集装置通过对二次编码的分区以第二扫描参数进行二次高精度扫描，从而对应获得扫描出的瑕疵特征，并根据提前构建的瑕疵检测模型中进行瑕疵原因映射的分析，进而输出所述第一检测结果的方式，达到了通过对检测扫描方式进行规划采用分区扫描准确实现瑕疵定位，并基于编码进行针对性检测，从而增加瑕疵检测技术的可实用性，满足高精度的同时保证高效率的技术效果。
2、由于采用了通过对所述图像采集装置的扫描效率进行制约从而生成对应的调整后的效率，其中，在进行扫描效率制约的过程中可以根据其扫描的参数的最大化有效数据进行约束，在保证扫描准确度的情况增加其瑕疵检测的效率性，从而提高可实用性。
3、由于采用了将所述第一瑕疵轮廓信息输入所述瑕疵结构分析模型中能够分析获得对应的瑕疵轮廓特征，并对所述瑕疵点进行像素定位分析，从而便于瑕疵数据的数据分析及处理，进一步的实现高质量的瑕疵定位和实用性。
实施例二
基于与前述实施例中一种毛坯布织造的瑕疵检测方法同样发明构思，本发明还提供了一种毛坯布织造的瑕疵检测装置，如图8所示，所述装置包括：
制造参数获取模块11，所述制造参数获取模块11用于获得第一待检测织品的第一织造参数；
织品数据提取模块12，所述织品数据提取模块12用于根据所述第一织造参数，获得所述第一待检测织品的几何数据；
分区编码模块13，所述分区编码模块13用于将所述第一待检测织品的几何数据输入宽比几何分区模型中进行自动分区并对应编码，生成第一检测编码分区；
瑕疵扫描模块14，所述瑕疵扫描模块14用于根据所述第一检测编码分区，生成第一瑕疵扫描参数，其中，所述第一瑕疵扫描参数用于控制图像采集装置进行瑕疵扫描；
瑕疵提取模块15，所述瑕疵提取模块15用于根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码分区中提取瑕疵分区，获得第一瑕疵锚点区；
区域编号模块16，所述区域编号模块16用于通过对所述第一瑕疵锚点区进行分隔符编号，生成第二检测编码分区；
二次瑕疵扫描模块17，所述二次瑕疵扫描模块17用于根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征；
瑕疵检测输出模块18，所述瑕疵检测输出模块18用于将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果。
进一步的，所述装置还包括：
图像扫描单元，所述图像扫描单元用于所述图像采集装置按照所述第一瑕疵扫描参数进行瑕疵扫描，获得第一扫描图像信息，其中，所述第一扫描图像信息包括对应的编码信息；
增强转化单元，所述增强转化单元用于通过对所述第一扫描图像信息进行比对增强转化，获得第一转化图像信息；
分区提取单元，所述分区提取单元用于根据所述第一转化图像信息进行瑕疵编码分区提取，获得第一瑕疵像素点；
量化分析单元，所述量化分析单元用于根据所述第一瑕疵像素点进行量化分析，获得所述第一瑕疵锚点区。
进一步的，所述装置还包括：
轮廓采集单元，所述轮廓采集单元用于通过对所述第一瑕疵像素点进行量化轮廓采集，获得第一瑕疵轮廓信息；
瑕疵结构分析单元，所述瑕疵结构分析单元用于将所述第一瑕疵轮廓信息输入瑕疵结构分析模型中，根据所述瑕疵结构分析模型，输出第一瑕疵特征；
锚点标识单元，所述锚点标识单元用于根据所述第一瑕疵特征，设定第一锚点标识；
锚点标记单元，所述锚点标记单元用于基于所述第一锚点标识对所述第一瑕疵锚点区进行标记。
进一步的，所述装置还包括：
织造效率计算单元，所述织造效率计算单元用于获得所述第一待检测织品的第一织造效率；
扫描效率计算单元，所述扫描效率计算单元用于根据所述第一织造效率，确定第一预设扫描效率，其中，所述第一预设扫描效率为所述图像采集装置进行瑕疵扫描的效率；
扫描参数调整单元，所述扫描参数调整单元用于根据所述第一预设扫描效率，生成第一调整扫描参数；
参数调整输出单元，所述参数调整输出单元用于根据所述第一调整扫描参数对所述第一瑕疵扫描参数进行调整。
进一步的，所述装置还包括：
信息分布获取单元，所述信息分布获取单元用于获得所述第一待检测织品的第一经纬排列信息；
纹理特征分析单元，所述纹理特征分析单元用于根据所述第一经纬排列信息，确定第一预设纹理特征；
二次图像扫描单元，所述二次图像扫描单元用于通过所述图像采集装置根据所述第二瑕疵扫描参数，获得第二扫描图像信息；
异常纹理检测单元，所述异常纹理检测单元用于基于所述第一预设纹理特征对所述第二扫描图像进行异常纹理检测，获得第一检测结果；
特征输出单元，所述特征输出单元用于根据所述第一检测结果，获得所述第一扫描特征。
进一步的，所述装置还包括：
纹理分类单元，所述纹理分类单元用于根据所述第二扫描图像信息，确定第一纹理特征和第二纹理特征，其中，所述第一纹理特征和所述第二纹理特征为不同纹理；
特征匹配单元，所述特征匹配单元用于基于所述第一预设纹理特征对所述第一纹理特征和所述第二纹理特征进行特征匹配，获得第一匹配结果；
纹理差异分析单元，所述纹理差异分析单元用于根据所述第一匹配结果，获得第一差异纹理特征；
差异计算单元，所述差异计算单元用于根据所述第一差异纹理特征，生成第一差异系数；
差异判断单元，所述差异判断单元用于当所述第一差异系数处于预设差异系数中，获得第一跳转指令，其中，所述第一跳转指令用于跳转至下一检测分区进行扫描。
进一步的，所述装置还包括：
数据集构建单元，所述数据集构建单元用于构建第一瑕疵数据集；
瑕疵数据评分单元，所述瑕疵数据评分单元用于通过对所述第一瑕疵数据集进行瑕疵数据评分，获得评分大于等于预设评分的N个瑕疵数据集；
映射构建单元，所述映射构建单元用于根据所述N个瑕疵数据集对应构建N个瑕疵映射数据；
瑕疵检测模型训练单元，所述瑕疵检测模型训练单元用于将所述N个瑕疵数据集和所述N个瑕疵映射数据作为输入信息训练所述瑕疵检测模型，获得所述瑕疵检测模型输出的瑕疵检测结果，其中，瑕疵检测结果为瑕疵特征对应的原因映射结果。
本申请实施例可以根据上述方法示例对网络设备和终端设备进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个接收模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。通过前述对一种毛坯布织造的瑕疵检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种毛坯布织造的瑕疵检测装置的实施方法，所以为了说明书的简洁，在此不再详述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的装置及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。以上实施例所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (8)

1.一种毛坯布织造的瑕疵检测方法，其中，所述方法应用于一种毛坯布织造的瑕疵检测装置，所述装置与一图像采集装置通信连接，所述方法包括：
获得第一待检测织品的第一织造参数；
根据所述第一织造参数，获得所述第一待检测织品的几何数据；
将所述第一待检测织品的几何数据输入宽比几何分区模型中进行自动分区并对应编码，生成第一检测编码分区；
根据所述第一检测编码分区，生成第一瑕疵扫描参数，其中，所述第一瑕疵扫描参数用于控制所述图像采集装置进行瑕疵扫描；
根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码分区中提取瑕疵分区，获得第一瑕疵锚点区；
通过对所述第一瑕疵锚点区进行分隔符编号，生成第二检测编码分区；
根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征；
将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果。
2.如权利要求1所述的方法，其中，所述根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码区中提取瑕疵分区，获得第一瑕疵锚点区，所述方法还包括：
所述图像采集装置按照所述第一瑕疵扫描参数进行瑕疵扫描，获得第一扫描图像信息，其中，所述第一扫描图像信息包括对应的编码信息；
通过对所述第一扫描图像信息进行比对增强转化，获得第一转化图像信息；
根据所述第一转化图像信息进行瑕疵编码分区提取，获得第一瑕疵像素点；
根据所述第一瑕疵像素点进行量化分析，获得所述第一瑕疵锚点区。
3.如权利要求2所述的方法，其中，所述根据所述第一瑕疵像素点进行量化分析，获得所述第一瑕疵锚点区，所述方法还包括：
通过对所述第一瑕疵像素点进行量化轮廓采集，获得第一瑕疵轮廓信息；
将所述第一瑕疵轮廓信息输入瑕疵结构分析模型中，根据所述瑕疵结构分析模型，输出第一瑕疵特征；
根据所述第一瑕疵特征，设定第一锚点标识；
基于所述第一锚点标识对所述第一瑕疵锚点区进行标记。
4.如权利要求1所述的方法，其中，所述根据所述第一检测编码分区，生成第一瑕疵扫描参数，所述方法还包括：
获得所述第一待检测织品的第一织造效率；
根据所述第一织造效率，确定第一预设扫描效率，其中，所述第一预设扫描效率为所述图像采集装置进行瑕疵扫描的效率；
根据所述第一预设扫描效率，生成第一调整扫描参数；
根据所述第一调整扫描参数对所述第一瑕疵扫描参数进行调整。
5.如权利要求1所述的方法，其中，所述根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征，所述方法还包括：
获得所述第一待检测织品的第一经纬排列信息；
根据所述第一经纬排列信息，确定第一预设纹理特征；
通过所述图像采集装置根据所述第二瑕疵扫描参数，获得第二扫描图像信息；
基于所述第一预设纹理特征对所述第二扫描图像进行异常纹理检测，获得第一检测结果；
根据所述第一检测结果，获得所述第一扫描特征。
6.如权利要求5所述的方法，其中，所述基于所述第一预设纹理特征对所述第二扫描图像进行异常纹理检测，获得第一检测结果，所述方法还包括：
根据所述第二扫描图像信息，确定第一纹理特征和第二纹理特征，其中，所述第一纹理特征和所述第二纹理特征为不同纹理；
基于所述第一预设纹理特征对所述第一纹理特征和所述第二纹理特征进行特征匹配，获得第一匹配结果；
根据所述第一匹配结果，获得第一差异纹理特征；
根据所述第一差异纹理特征，生成第一差异系数；
当所述第一差异系数处于预设差异系数中，获得第一跳转指令，其中，所述第一跳转指令用于跳转至下一检测分区进行扫描。
7.如权利要求1所述的方法，其中，所述将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果，所述方法还包括：
构建第一瑕疵数据集；
通过对所述第一瑕疵数据集进行瑕疵数据评分，获得评分大于等于预设评分的N个瑕疵数据集；
根据所述N个瑕疵数据集对应构建N个瑕疵映射数据；
将所述N个瑕疵数据集和所述N个瑕疵映射数据作为输入信息训练所述瑕疵检测模型，获得所述瑕疵检测模型输出的瑕疵检测结果，其中，瑕疵检测结果为瑕疵特征对应的原因映射结果。
8.一种毛坯布织造的瑕疵检测装置，其中，所述装置包括：
制造参数获取模块，所述制造参数获取模块用于获得第一待检测织品的第一织造参数；
织品数据提取模块，所述织品数据提取模块用于根据所述第一织造参数，获得所述第一待检测织品的几何数据；
分区编码模块，所述分区编码模块用于将所述第一待检测织品的几何数据输入宽比几何分区模型中进行自动分区并对应编码，生成第一检测编码分区；
瑕疵扫描模块，所述瑕疵扫描模块用于根据所述第一检测编码分区，生成第一瑕疵扫描参数，其中，所述第一瑕疵扫描参数用于控制图像采集装置进行瑕疵扫描；
瑕疵提取模块，所述瑕疵提取模块用于根据所述第一瑕疵扫描参数进行瑕疵扫描，从所述第一检测编码分区中提取瑕疵分区，获得第一瑕疵锚点区；
区域编号模块，所述区域编号模块用于通过对所述第一瑕疵锚点区进行分隔符编号，生成第二检测编码分区；
二次瑕疵扫描模块，所述二次瑕疵扫描模块用于根据所述第二检测编码区生成的第二瑕疵扫描参数进行瑕疵扫描，获得第一扫描特征；
瑕疵检测输出模块，所述瑕疵检测输出模块用于将所述第一扫描特征输入瑕疵检测模型中，获得所述瑕疵检测模型输出的第一检测结果。
CN202211303980.3A 2022-10-24 2022-10-24 一种毛坯布织造的瑕疵检测方法及装置 Pending CN116124783A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211303980.3A CN116124783A (zh) 2022-10-24 2022-10-24 一种毛坯布织造的瑕疵检测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211303980.3A CN116124783A (zh) 2022-10-24 2022-10-24 一种毛坯布织造的瑕疵检测方法及装置

Publications (1)

Publication Number Publication Date
CN116124783A true CN116124783A (zh) 2023-05-16

Family

ID=86294406

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211303980.3A Pending CN116124783A (zh) 2022-10-24 2022-10-24 一种毛坯布织造的瑕疵检测方法及装置

Country Status (1)

Country Link
CN (1) CN116124783A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117089977A (zh) * 2023-10-18 2023-11-21 深圳市明心数智科技有限公司 一种坯布生产动态监测方法、系统及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117089977A (zh) * 2023-10-18 2023-11-21 深圳市明心数智科技有限公司 一种坯布生产动态监测方法、系统及介质
CN117089977B (zh) * 2023-10-18 2024-01-05 深圳市明心数智科技有限公司 一种坯布生产动态监测方法、系统及介质

Similar Documents

Publication Publication Date Title
CN114549522B (zh) 基于目标检测的纺织品质量检测方法
CN106658169B (zh) 一种基于深度学习多层次分割新闻视频的通用方法
CN100414558C (zh) 基于模板学习的自动指纹识别系统和方法
CN102027488B (zh) 使用梯度直方图的指纹表示
US6567765B1 (en) Evaluation system and method for fingerprint verification
CN110853006B (zh) 一种使用扫描仪获取的数字病理图像质量评价的方法
CN104268505A (zh) 基于机器视觉的布匹疵点自动检测识别装置及方法
CN107230203A (zh) 基于人眼视觉注意机制的铸件缺陷识别方法
US10466181B2 (en) Flaw inspection device and flaw inspection method
Bodmarova et al. Suitability analysis of techniques for flaw detection in textiles using texture analysis
CN106056597A (zh) 物体视觉检测方法及装置
CN116124783A (zh) 一种毛坯布织造的瑕疵检测方法及装置
CN111724376B (zh) 一种基于纹理特征分析的纸病检测方法
CN116309599A (zh) 基于污水前置处理的水质视觉监测方法
CN105740867A (zh) 图像纹理窗口形状与尺度的选择方法
CN115830302B (zh) 一种多尺度特征提取融合配电网设备定位识别方法
CN112468721A (zh) 一种具有自动调焦功能的视觉采集方法及装置
JPH0573663A (ja) ３次元物体の画像認識法
CN110070532B (zh) 基于三维图像与二维图像特征结合的织物平整度评价方法
CN116563168A (zh) 一种地质测绘数据实时采集存储方法及系统
CN109886212A (zh) 从滚动指纹合成现场指纹的方法和装置
CN115008255A (zh) 一种用于机床的刀具磨损识别方法及装置
CN109145912A (zh) 一种数字仪表读数自动识别方法
CN113434463A (zh) 一种根据二维码进行文件分类的方法
Mohammed et al. A fuzzy system for detection and classification of textile defects to ensure the quality of fabric production.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination