CN117893531A - 一种服装加工过程中服装质量智能检测方法 - Google Patents

Abstract

本发明涉及图像检测技术领域，具体涉及一种服装加工过程中服装质量智能检测方法，该方法包括：获取门襟灰度图像及门襟二值图像，获取各纽扣区域及各纹路连通域；根据像素点的MLBP特征值及灰度值得到各纹路连通域的光泽程度和各纽扣的光泽评估系数；构建各角点聚类簇的角点特征；进而获取各纽扣的等距特征平滑因子；根据各纽扣圆心与所有纽扣所处直线的距离构建衬衫的纽扣位置对齐指数；根据等距特征平滑因子构建相邻纽扣表面特征一致性系数；基于此计算各纽扣与相邻纽扣的偏离系数；根据各纽扣的光泽评估系数及偏离系数构建各纽扣的缺陷系数；根据纽扣的缺陷系数检测纽扣的质量。本发明可提高服装质量检测的准确性。

Description

一种服装加工过程中服装质量智能检测方法

技术领域

本申请涉及图像检测技术领域，具体涉及一种服装加工过程中服装质量智能检测方法。

背景技术

服装行业作为我国传统支柱产业之一，对国民经济的发展起着重要的促进作用。在过去的几十年里，我国服装行业取得了巨大的发展，衬衫作为其中重要的组成部分占据着相当大的市场份额。由于衬衫门襟中的纽扣在加工过程中受到多种因素的影响，可能存在裂纹、磨损、纽扣偏离、纽扣距离不一致等质量问题，影响衬衫的销售，因此需要对加工过程中的衬衫进行质量检测。然而，现有的服装质量检测大多都是针对衬衫衣料的检测，并没有对衬衫的纽扣进行质量检测。少数的对纽扣进行质量检测的场景中，都是对纽扣的分布距离以及纽扣的圆形程度来进行检测的，并没有对纽扣的质量进行更加精细的检测，导致服装质量检测的准确性较低。

发明内容

为了解决上述技术问题，本发明提供一种服装加工过程中服装质量智能检测方法，以解决现有的问题。

本发明的一种服装加工过程中服装质量智能检测方法采用如下技术方案：

本发明提供了一种服装加工过程中服装质量智能检测方法，该方法包括以下步骤：

采集衬衫图像，利用神经网络对衬衫图像的门襟区域进行分割，获取门襟灰度图像；

利用Canny边缘检测算法获取门襟二值图像，利用霍夫圆检测得到各纽扣及纽扣圆心，根据像素点坐标获取各纽扣灰度图像；利用边缘检测算法获取各纽扣二值图像，根据各纽扣灰度图像及各纽扣二值图像获取各纽扣内的各纹路连通域；对于各纽扣，采用MLBP算法获取各纹路连通域内各像素点的MLBP特征值，根据各纹路连通域内所有像素点的MLBP特征值及灰度值得到各纹路连通域的光泽程度，利用各纹路连通域的光泽程度得到纽扣的光泽评估系数；利用Harris角点检测算法检测各纽扣内的角点，采用DBSCAN聚类算法获取角点的各聚类簇，对于各聚类簇，计算聚类簇内各角点的灰度共生矩阵的能量和对比度，根据各聚类簇内各角点与纽扣圆心的欧式距离、各角点的灰度值、各角点的能量和对比度构建各聚类簇的角点特征；根据各纽扣内所有聚类簇的角点特征构建各纽扣的等距特征平滑因子；利用最小二乘法拟合门襟所有纽扣所处的直线，根据各纽扣圆心与直线的距离构建衬衫的纽扣位置对齐指数；根据各纽扣与相邻纽扣之间的等距特征平滑因子的差异构建各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数；根据各纽扣的位置、各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数及衬衫的纽扣位置对齐指数构建各纽扣与相邻纽扣的偏离系数；根据各纽扣的光泽评估系数及各纽扣与相邻纽扣的偏离系数构建各纽扣的缺陷系数；

根据各纽扣的缺陷系数检测各纽扣的质量，完成对服装的质量检测。

进一步地，所述根据各纽扣灰度图像及各纽扣二值图像获取各纽扣内的各纹路连通域，包括：

对于各纽扣，提取纽扣二值图像中标记为纽扣纹路边缘的像素点及缺陷纹路边缘的像素点，记为第一待分析像素点，根据所述第一待分析像素点的坐标获取纽扣灰度图像中对应位置的第二待分析像素点；

将第二待分析像素点按照灰度值从大到小进行排序，将前预设数值个像素点作为初始种子点，在利用区域生长算法进行生长的过程中，计算生长像素点与相邻像素点的灰度值的差值绝对值，将所述差值绝对值作为生长像素点与相邻像素点的相似度，当所述相似度的归一化值大于预设相似度阈值时，停止生长，将区域生长完成后得到的各连通域作为纹路连通域。

进一步地，所述根据各纹路连通域内所有像素点的MLBP特征值及灰度值得到各纹路连通域的光泽程度，利用各纹路连通域的光泽程度得到纽扣的光泽评估系数，包括：

对于各纹路连通域，计算纹路连通域内所有像素点的灰度值均值，计算所有像素点的MLBP特征值的标准差，记为第一标准差，获取所述第一标准差与预设数值的和值，将所述灰度值均值与所述和值的比值作为纹路连通域的光泽程度；

对于各纽扣，计算纽扣内所有纹路连通域的所述光泽程度的标准差，记为第二标准差，将所述第二标准差作为纽扣的光泽评估系数。

进一步地，所述根据各聚类簇内各角点与纽扣圆心的欧式距离、各角点的灰度值、各角点的能量和对比度构建各聚类簇的角点特征，包括：

对于各聚类簇，计算聚类簇内各角点到纽扣圆心的欧式距离的标准差，计算聚类簇内所有角点的灰度值均值，计算所述标准差与所述灰度值均值的乘积，记为第一乘积，计算聚类簇内所有角点的灰度共生矩阵的能量均值和对比度均值，获取所述能量均值与所述对比度均值的乘积，记为第二乘积，将所述第一乘积与所述第二乘积的乘积记为第三乘积，将所述第三乘积与聚类簇内角点数量的比值作为聚类簇的角点特征。

进一步地，所述根据各纽扣内所有聚类簇的角点特征构建各纽扣的等距特征平滑因子，包括：

对于各纽扣，计算纽扣内各聚类簇的角点特征与相邻聚类簇的角点特征的比值，将所述比值作为各聚类簇与相邻聚类簇的特征差异系数，计算纽扣内所有聚类簇与相邻聚类簇的所述特征差异系数的均值，计算纽扣内各聚类簇与相邻聚类簇的特征差异系数与所述均值的差值绝对值，将纽扣内所有聚类簇的所述差值绝对值的均值作为纽扣的等距特征平滑因子。

进一步地，所述根据各纽扣圆心与直线的距离构建衬衫的纽扣位置对齐指数，包括：

对于门襟区域，计算各纽扣圆心横坐标与所述直线的斜率的乘积，计算所述乘积与所述直线的截距的和值，记为第一和值，计算各纽扣圆心纵坐标与各纽扣对应的所述第一和值的差值绝对值，计算所有纽扣的所述差值绝对值的和值，记为第二和值，将所述第二和值作为衬衫的纽扣位置对齐指数。

进一步地，所述根据各纽扣与相邻纽扣之间的等距特征平滑因子的差异构建各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数，包括：

对于门襟区域中的各纽扣，计算纽扣圆心与门襟区域内其余纽扣圆心的欧式距离，将与纽扣圆心的所述欧式距离最近的纽扣作为纽扣的相邻纽扣；

若纽扣的等距特征平滑因子大于等于相邻纽扣的等距特征平滑因子，计算纽扣的等距特征平滑因子与相邻纽扣的等距特征平滑因子的比值，记为第一比值，将所述第一比值作为所述纽扣与相邻纽扣的相邻纽扣表面特征一致性系数；

若纽扣的等距特征平滑因子小于相邻纽扣的等距特征平滑因子，计算相邻纽扣的等距特征平滑因子与纽扣的等距特征平滑因子的比值，记为第二比值，将所述第二比值作为纽扣与相邻纽扣的相邻纽扣表面特征一致性系数。

进一步地，所述根据各纽扣的位置、各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数及衬衫的纽扣位置对齐指数构建各纽扣与相邻纽扣的偏离系数，包括：

对于各纽扣，计算纽扣的圆心横坐标与直线的斜率的乘积，计算所述乘积与直线的截距的和值，获取纽扣的圆心纵坐标与纽扣的所述和值的差值绝对值，计算纽扣的所述差值绝对值与衬衫的纽扣位置对齐指数的比值，记为第一比值，计算所述第一比值与相邻纽扣表面特征一致性系数的乘积，将所述乘积作为纽扣与相邻纽扣的偏离系数。

进一步地，所述根据各纽扣的光泽评估系数及各纽扣与相邻纽扣的偏离系数构建各纽扣的缺陷系数，包括：

计算各纽扣的光泽评估系数乘以各纽扣与相邻纽扣的偏离系数的计算结果，将所述计算结果作为各纽扣的缺陷系数。

进一步地，所述根据各纽扣的缺陷系数检测各纽扣的质量，完成对服装的质量检测，包括：

当所有纽扣的缺陷系数均小于预设缺陷系数阈值时，门襟区域中的纽扣质量合格，否则，门襟区域中的纽扣质量不合格，服装质量不合格。

本发明至少具有如下有益效果：

本发明根据纹路连通域的纹理特征及灰度特征构建纽扣的光泽评估系数，对纽扣内是否存在缺陷进行评估；通过各聚类簇的角点特征构建相邻聚类簇的特征差异系数，基于此构建纽扣的等距特征平滑因子，判断纽扣内相邻区域的特征差异是否按照一定规律变化，进而判断纽扣中不同反光区域的表面平滑程度以及饱满程度是否一致，便于分析纽扣内是否存在缺陷；最后基于纽扣圆心坐标到拟合直线的距离、衬衫的纽扣位置对齐指数及相邻纽扣表面特征一致性系数构建相邻纽扣之间的偏离系数，进行相邻纽扣的偏离程度检测，避免待检测图像中因衬衫倾斜而导致纽扣质量检测结果不精准的问题，进而根据纽扣的光泽评估系数以及相邻纽扣之间的偏离系数构建纽扣的缺陷系数，对缺陷系数进行分析，可以实现纽扣质量检测，进而提高服装质量检测的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其它附图。

图1为本发明提供的一种服装加工过程中服装质量智能检测方法的步骤流程图；

图2为纽扣缺陷系数获取流程示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种服装加工过程中服装质量智能检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种服装加工过程中服装质量智能检测方法的具体方案。

本发明一个实施例提供的一种服装加工过程中服装质量智能检测方法，具体的，提供了如下的一种服装加工过程中服装质量智能检测方法，请参阅图1，该方法包括以下步骤：

步骤S001，获取衬衫图像并对图像进行预处理。

在服装加工过程中，通过CCD相机拍摄衬衫图像。衬衫的门襟是指位于衬衫前身两侧的开口部分，是衬衫正面非常显著的部分。如果衬衫的门襟出现纽扣缺陷、纽扣对应不齐和缝边偏斜等问题，则会对衬衫的整体外观产生非常重大的影响。因此，在服装加工过程中，先对衬衫的门襟进行检测，如果门襟符合检测标准，再继续进行下一步的质量检测。将衬衫正面图像与标签数据进行one-hot编码后送到神经网络中进行训练，以判断是否为门襟区域。标签数据通过人为标注，门襟区域像素点人为标注为1，非门襟区域像素点人为标注为0。神经网络采用ResNet18网络结构，神经网络的训练为公知技术，本实施例不再进行赘述，神经网络的输出为衬衫正面图像中的门襟区域。预先提取门襟区域不仅能够降低后续过程的计算量，还能够减少后续图像检测中的误差。将神经网络输出的门襟区域记为门襟图像A。

由于在图片拍摄和传输过程中，不可避免的存在一些干扰噪声，这些噪声不仅会降低图片质量，而且甚至会遮挡图像内的关键特征，影响后续操作，因此，为了减少噪声干扰，提升图像质量，本实施例采用中值滤波对门襟图像A进行去噪操作，将去除噪声后的门襟图像A转换为灰度图像，记为门襟灰度图像B，完成衬衫图像的预处理。

步骤S002，基于纽扣内纹路连通域的特征构建纽扣的光泽评估系数，根据纽扣内的聚类簇的角点特征构建纽扣的等距特征平滑因子，进一步构建衬衫的纽扣偏离系数，获取纽扣的缺陷系数。

由于纽扣表面会有纹路等，为了避免纽扣的纹路在日常使用中被磨损，因此通常会在纽扣的表面涂一层无色油。涂完无色油后，整个纽扣的表面会具有一定的光泽度，如果纽扣的质量是合格的，那么纽扣表面不同位置像素点的光泽度基本一致；如果纽扣表面存在缺陷，那么缺陷纹路上的像素点不具有光泽度。

对门襟灰度图像B进行Canny边缘检测，得到门襟二值图像C，将门襟二值图像C的所有像素点作为输入，由于门襟区域中圆形形状的只有纽扣，因此，将霍夫圆检测到的每个圆形区域作为一个纽扣区域，进而根据门襟二值图像C内各纽扣区域内像素点的坐标，得到门襟灰度图像B内的纽扣灰度图像D。使用霍夫圆检测算法得到第i个纽扣的圆心坐标，记为，得到第i个纽扣的半径/>。Canny边缘检测算法与霍夫圆检测算法为公知技术，本实施例不再进行赘述。

一般情况下，为了体现纽扣的纹路信息，纹路的颜色相较于背景颜色有较为明显的颜色差异。对于各纽扣区域，利用 Canny边缘检测算法得到纽扣二值图像E，提取纽扣二值图像中标记为纽扣纹路边缘的像素点及缺陷纹路边缘的像素点，上述像素点的灰度值为1。根据得到的纽扣二值图像E，获取纽扣灰度图像D中对应于纽扣二值图像E中灰度值为1的像素点，将上述像素点按照灰度值从大到小进行排序，将前L个像素点作为初始种子点，L的设定实施者可自行选取，本实施例中L为10，在生长过程中，对于每个生长像素点和相邻像素点，将两个像素点的灰度值的差值绝对值作为相似度，然后将得到的相似度归一化处理。当归一化后的相似度大于相似度阈值时停止生长，相似度阈值的设定实施者可自行选取，本实施例中相似度阈值为0.1，利用区域生长算法得到纽扣灰度图像D内的各连通域，记为纹路连通域。区域生长算法为公知技术，本实施例不再进行赘述。

以纹路连通域为例，以纹路连通域/>中各像素点为中心构建N*N的窗口，N的设定实施者可自行选取，本实施例中N为5，采用MLBP算法获取各窗口中心像素点的MLBP特征值，对获得的所有像素点的MLBP特征值取均值，记为纹路连通域的MLBP特征均值/>。根据各像素点的MLBP特征值以及纹路连通域的MLBP特征均值/>，计算纹路连通域/>内所有像素点的MLBP特征值的标准差，记为/>。MLBP算法为公知技术，本实施例不再进行赘述。设纹路连通域/>内的灰度值均值为/>，根据纹路连通域/>的灰度值均值/>以及纹路连通域内所有像素点的MLBP特征值的标准差/>构建纹路的光泽程度/>。

式中，表示纹路连通域/>的光泽程度，/>表示纹路连通域/>内所有像素点的灰度值均值，/>表示调参系数，用于防止分母为0，/>值的设定实施者可自行选择，本实施例中/>为0.1，/>表示纹路连通域/>内所有像素点的MLBP特征值的标准差。

纽扣纹路连通域中纹理具有一定层次特征，灰度值仅有细微变化，灰度值较大，而缺陷纹路连通域没有纹理特征，灰度值极低，因此纽扣纹路连通域的灰度值均值大于缺陷纹路连通域；同时，纽扣纹路区域内的纹理特征是较为相似的，缺陷纹路区域内的纹理是非常混乱的。若纹路连通域是纽扣纹路区域，则区域内像素点与其邻域像素点的灰度值差异较小，纹路连通域内所有像素点的MLBP特征值的标准差也较小，纹理比较相似；若纹路连通域/>是缺陷纹路区域，则区域内像素点与其邻域像素点的灰度值差异较大，纹路连通域内所有像素点的MLBP特征值的标准差也较大。因此，若纹路连通域/>的光泽程度/>越大，证明该纹路的光泽度越好，该纹路连通域是纽扣纹路的概率越大；/>越小，则纹路连通域/>是缺陷纹路的概率越大，该纽扣存在缺陷的概率越大。

遍历纽扣i中所有的纹路连通域，利用计算纹路连通域的光泽程度的方法计算纽扣i中的其余纹路连通域的光泽程度，计算纽扣i中的所有纹路连通域的光泽程度的标准差，将标准差作为纽扣i的光泽评估系数，记为/>。纽扣i中所有纹路连通域的光泽程度差异性越大，纽扣的光泽评估系数/>越大，表明纽扣存在缺陷的概率越大。

将纽扣i中所有的像素点进行输入，利用Harris角点检测算法对纽扣进行角点检测。由于纽扣是圆形立体的，若纽扣表面的光滑度一致、没有产生缺陷，则从纽扣顶点到纽扣边缘点之间区域的反光程度以及角点数量是以一定规律逐渐变化的，区域内角点处的图像特征也以一定规律变得模糊或清晰。Harris角点检测算法为公知技术，本实施例不再进行赘述。

对检测出来的角点，以5为最少点数目，以5为邻域半径使用DBSCAN聚类算法进行聚类，得到多个聚类簇。由于反光程度不同，所以位于靠近纽扣顶点的反光区域与远离纽扣顶点的反光区域的角点之间的距离较远，会被划分到不同聚类簇中；而同一反光区域之间的角点距离较近，会被划分到同一聚类簇中，每个聚类簇代表了纽扣表面上的一个反光区域。若纽扣的质量是合格的，则角点的分布较为均匀，纽扣会聚类出多个圆形簇；若纽扣的表面出现了凸起或凹陷情况，则角点会聚集于缺陷区域，破坏圆形簇的形状。以第m个簇为例，计算聚类簇中所有角点与纽扣圆心的欧式距离的标准差，记为。若标准差较小，则证明该聚类簇中所有角点到纽扣顶点的距离差异较小，该聚类簇内角点的分布较为均匀，该簇所代表的反光区域中没有缺陷。

由于反光程度的不同，所以在不同聚类簇中，角点数量以及角点处的图像特征是有一定变化规律的。随着距离顶点越来越远，以角点的数量以及灰度值而言，相邻簇之间呈现一定规律逐渐递减；同时以纹理清晰度而言，由于光线原因纽扣的顶点区域会形成更为明显的纹理结构，因此距离顶点较近的聚类簇相较于远离顶点的聚类簇中角点周围的特征纹理信息更清晰。

以第m个聚类簇为例，以聚类簇中的角点n为中心构建3*3的窗口，对于角点n周围的像素对，以0°方向做特征提取，构建角点n的灰度共生矩阵，获得角点n的灰度共生矩阵所对应的能量和对比度/>。使用灰度共生矩阵算法可以提取角点n周围的纹理信息，当纹理越清晰时，/>和/>的值也相对越大。对整个聚类簇内所有角点的ASM和CON值做均值，得到聚类簇m的能量均值/>和对比度均值/>。灰度共生矩阵的构建，以及灰度共生矩阵的能量和对比度的获取为公知技术，本实施例不再进行赘述。

基于上述分析，可以得到聚类簇的角点特征J，根据所有聚类簇的角点特征J构建等距特征平滑因子。

式中，表示聚类簇m的角点特征；/>表示聚类簇m内所有角点与纽扣圆心的欧式距离的标准差，/>表示聚类簇m内所有角点的灰度值均值，/>表示聚类簇m的能量均值，/>表示聚类簇m的对比度均值，/>表示聚类簇m内角点的数量，/>表示聚类簇m与相邻聚类簇m+1之间的特征差异系数，/>表示聚类簇m+1的角点特征，/>表示纽扣i的等距特征平滑因子，K为纽扣i内角点的聚类簇的数量；/>为纽扣i中所有相邻聚类簇之间的特征差异系数的均值。

聚类簇m内的角点分布越均匀，越小，聚类簇m所对应的反光区域的光滑程度越好，没有缺陷；若纽扣质量完好无任何缺陷，根据光反射的特点以及纽扣是光滑圆面的特点，则任何相邻聚类簇之间的特征差异系数应当是一致的；随着距离纽扣顶点位置的远近，相邻聚类簇的特征呈现一定的变化规律，纽扣中所有相邻聚类簇之间的特征差异系数越一致，/>越小；若/>越大，越证明相邻区域之间的特征差异系数不是按照一定规律变化的，则证明在纽扣内某个聚类簇内出现缺陷的概率越大。

对于门襟上的纽扣而言，所有纽扣是处于同一直线上的，若门襟上的纽扣不处于同一直线，则判定该衬衣的纽扣位置对应不齐，属于瑕疵衬衫。但由于在拍摄过程中，有可能拍摄角度不是正前方，拍摄的图像中衬衫可能出现倾斜状况，因此不能直接使用纽扣圆心的横坐标之差来判断纽扣是否处于同一直线。将所有纽扣的圆心坐标作为输入，使用最小二乘法出拟合一条直线y=kx+b。最小二乘法为公知技术，本实施例不再进行赘述。计算第i个纽扣到其他纽扣之间的圆心距离，将圆心距离最近的纽扣设为第i个纽扣的相邻纽扣，记为第i+1个纽扣。利用该直线可得到第i个纽扣与第i+1个纽扣的偏离指数。

式中，b表示直线的截距，表示所有纽扣圆心纵坐标的均值，/>表示所有纽扣圆心横坐标的均值， k为拟合直线的斜率，dev表示衬衫的纽扣位置对齐指数，N表示一件衬衫上纽扣的总数量，/>表示纽扣a的圆心纵坐标，/>表示纽扣a的圆心横坐标，/>为纽扣i与相邻纽扣i+1的相邻纽扣表面特征一致性系数，/>表示纽扣i的等距特征平滑因子，/>表示与纽扣i相邻的纽扣i+1的等距特征平滑因子，/>表示纽扣i与相邻纽扣i+1之间的偏离系数，/>表示纽扣i的圆心纵坐标，/>表示纽扣i的圆心横坐标。

纽扣位置对齐指数dev为每个纽扣圆心到直线的垂直距离之和，也代表了所有纽扣到直线的总偏离程度，若dev越小，说明所有纽扣的圆心越处于同一条直线上，衬衫门襟区域上的纽扣对齐效果越好；相邻纽扣表面特征一致性系数R，用来计算相邻两个纽扣之间的表面特征相似度；若衬衫发生倾斜，则所有纽扣的等距特征平滑因子BFS都会发生变化，但倾斜程度是一致的，则所有纽扣的等距特征平滑因子BFS变化的差异程度也是一致的，则相邻纽扣的表面特征越接近，R就越接近于1；若等距特征平滑因子BFS变化程度不一致，当纽扣表面特征差异越大时，越证明纽扣出现了质量问题，则R会远大于1；纽扣i与相邻纽扣i+1之间的偏离程度越符合所有纽扣的总偏离程度，纽扣i的位置与其他纽扣的位置越处于同一条直线上，位置越合理，越小。

通过纽扣的光泽评估系数BGE以及纽扣与相邻纽扣之间的偏离系数BDI来计算纽扣的缺陷系数BDC。

式中，表示纽扣i的缺陷系数，/>表示纽扣i的光泽评估系数，/>表示纽扣i与相邻纽扣i+1之间的偏离系数。

纽扣i中所有纹路连通域的光泽程度差异越小，则越小，说明纽扣i中所有纹路连通域之间的特征差异越一致，说明纽扣的质量越好；相邻纽扣之间的偏离系数越小，则越小，说明相邻纽扣间的表面特征越一致，且相邻纽扣的对齐效果越好；因此纽扣i的质量越好时，纽扣i的缺陷系数/>越小。纽扣缺陷系数获取流程示意图如图2所示。

步骤S003，根据纽扣的缺陷系数进行缺陷检测，实现对衬衫门襟区域的质量检测。

遍历门襟区域中的所有纽扣，计算每个纽扣的缺陷系数，进一步，设置缺陷系数阈值，缺陷系数阈值的设定实施者可自行选取，本实施例中缺陷系数阈值为0.35，若所有纽扣的缺陷系数都小于缺陷系数阈值时，则判定门襟区域中的纽扣全部为合格纽扣，衬衫的门襟区域是符合质量标准的；否则判定该衬衫存在缺陷，该衬衫质量不合格，需将该衬衫筛选出来。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种服装加工过程中服装质量智能检测方法，其特征在于，该方法包括以下步骤：

采集衬衫图像，利用神经网络对衬衫图像的门襟区域进行分割，获取门襟灰度图像；

利用Canny边缘检测算法获取门襟二值图像，利用霍夫圆检测得到各纽扣及纽扣圆心，根据像素点坐标获取各纽扣灰度图像；利用边缘检测算法获取各纽扣二值图像，根据各纽扣灰度图像及各纽扣二值图像获取各纽扣内的各纹路连通域；对于各纽扣，采用MLBP算法获取各纹路连通域内各像素点的MLBP特征值，根据各纹路连通域内所有像素点的MLBP特征值及灰度值得到各纹路连通域的光泽程度，利用各纹路连通域的光泽程度得到纽扣的光泽评估系数；利用Harris角点检测算法检测各纽扣内的角点，采用DBSCAN聚类算法获取角点的各聚类簇，对于各聚类簇，计算聚类簇内各角点的灰度共生矩阵的能量和对比度，根据各聚类簇内各角点与纽扣圆心的欧式距离、各角点的灰度值、各角点的能量和对比度构建各聚类簇的角点特征；根据各纽扣内所有聚类簇的角点特征构建各纽扣的等距特征平滑因子；利用最小二乘法拟合门襟所有纽扣所处的直线，根据各纽扣圆心与直线的距离构建衬衫的纽扣位置对齐指数；根据各纽扣与相邻纽扣之间的等距特征平滑因子的差异构建各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数；根据各纽扣的位置、各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数及衬衫的纽扣位置对齐指数构建各纽扣与相邻纽扣的偏离系数；根据各纽扣的光泽评估系数及各纽扣与相邻纽扣的偏离系数构建各纽扣的缺陷系数；

根据各纽扣的缺陷系数检测各纽扣的质量，完成对服装的质量检测。

2.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣灰度图像及各纽扣二值图像获取各纽扣内的各纹路连通域，包括：

对于各纽扣，提取纽扣二值图像中标记为纽扣纹路边缘的像素点及缺陷纹路边缘的像素点，记为第一待分析像素点，根据所述第一待分析像素点的坐标获取纽扣灰度图像中对应位置的第二待分析像素点；

将第二待分析像素点按照灰度值从大到小进行排序，将前预设数值个像素点作为初始种子点，在利用区域生长算法进行生长的过程中，计算生长像素点与相邻像素点的灰度值的差值绝对值，将所述差值绝对值作为生长像素点与相邻像素点的相似度，当所述相似度的归一化值大于预设相似度阈值时，停止生长，将区域生长完成后得到的各连通域作为纹路连通域。

3.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纹路连通域内所有像素点的MLBP特征值及灰度值得到各纹路连通域的光泽程度，利用各纹路连通域的光泽程度得到纽扣的光泽评估系数，包括：

对于各纹路连通域，计算纹路连通域内所有像素点的灰度值均值，计算所有像素点的MLBP特征值的标准差，记为第一标准差，获取所述第一标准差与预设数值的和值，将所述灰度值均值与所述和值的比值作为纹路连通域的光泽程度；

对于各纽扣，计算纽扣内所有纹路连通域的所述光泽程度的标准差，记为第二标准差，将所述第二标准差作为纽扣的光泽评估系数。

4.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各聚类簇内各角点与纽扣圆心的欧式距离、各角点的灰度值、各角点的能量和对比度构建各聚类簇的角点特征，包括：

对于各聚类簇，计算聚类簇内各角点到纽扣圆心的欧式距离的标准差，计算聚类簇内所有角点的灰度值均值，计算所述标准差与所述灰度值均值的乘积，记为第一乘积，计算聚类簇内所有角点的灰度共生矩阵的能量均值和对比度均值，获取所述能量均值与所述对比度均值的乘积，记为第二乘积，将所述第一乘积与所述第二乘积的乘积记为第三乘积，将所述第三乘积与聚类簇内角点数量的比值作为聚类簇的角点特征。

5.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣内所有聚类簇的角点特征构建各纽扣的等距特征平滑因子，包括：

对于各纽扣，计算纽扣内各聚类簇的角点特征与相邻聚类簇的角点特征的比值，将所述比值作为各聚类簇与相邻聚类簇的特征差异系数，计算纽扣内所有聚类簇与相邻聚类簇的所述特征差异系数的均值，计算纽扣内各聚类簇与相邻聚类簇的特征差异系数与所述均值的差值绝对值，将纽扣内所有聚类簇的所述差值绝对值的均值作为纽扣的等距特征平滑因子。

6.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣圆心与直线的距离构建衬衫的纽扣位置对齐指数，包括：

对于门襟区域，计算各纽扣圆心横坐标与所述直线的斜率的乘积，计算所述乘积与所述直线的截距的和值，记为第一和值，计算各纽扣圆心纵坐标与各纽扣对应的所述第一和值的差值绝对值，计算所有纽扣的所述差值绝对值的和值，记为第二和值，将所述第二和值作为衬衫的纽扣位置对齐指数。

7.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣与相邻纽扣之间的等距特征平滑因子的差异构建各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数，包括：

对于门襟区域中的各纽扣，计算纽扣圆心与门襟区域内其余纽扣圆心的欧式距离，将与纽扣圆心的所述欧式距离最近的纽扣作为纽扣的相邻纽扣；

若纽扣的等距特征平滑因子大于等于相邻纽扣的等距特征平滑因子，计算纽扣的等距特征平滑因子与相邻纽扣的等距特征平滑因子的比值，记为第一比值，将所述第一比值作为所述纽扣与相邻纽扣的相邻纽扣表面特征一致性系数；

若纽扣的等距特征平滑因子小于相邻纽扣的等距特征平滑因子，计算相邻纽扣的等距特征平滑因子与纽扣的等距特征平滑因子的比值，记为第二比值，将所述第二比值作为纽扣与相邻纽扣的相邻纽扣表面特征一致性系数。

8.如权利要求7所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣的位置、各纽扣与相邻纽扣的相邻纽扣表面特征一致性系数及衬衫的纽扣位置对齐指数构建各纽扣与相邻纽扣的偏离系数，包括：

对于各纽扣，计算纽扣的圆心横坐标与直线的斜率的乘积，计算所述乘积与直线的截距的和值，获取纽扣的圆心纵坐标与纽扣的所述和值的差值绝对值，计算纽扣的所述差值绝对值与衬衫的纽扣位置对齐指数的比值，记为第一比值，计算所述第一比值与相邻纽扣表面特征一致性系数的乘积，将所述乘积作为纽扣与相邻纽扣的偏离系数。

9.如权利要求7所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣的光泽评估系数及各纽扣与相邻纽扣的偏离系数构建各纽扣的缺陷系数，包括：

计算各纽扣的光泽评估系数乘以各纽扣与相邻纽扣的偏离系数的计算结果，将所述计算结果作为各纽扣的缺陷系数。

10.如权利要求1所述的一种服装加工过程中服装质量智能检测方法，其特征在于，所述根据各纽扣的缺陷系数检测各纽扣的质量，完成对服装的质量检测，包括：

当所有纽扣的缺陷系数均小于预设缺陷系数阈值时，门襟区域中的纽扣质量合格，否则，门襟区域中的纽扣质量不合格，服装质量不合格。