科创中国
一种基于机器教学模式下的显著性织物疵点检测方法
成果类型：: 发明专利
发布时间: 2022-02-16 22:42:02
科技成果产业化落地方案
方案提交机构：江苏无锡市| 朱建萍 | 2022-12-27 16:33:33
本发明公开了一种基于机器教学模式下的显著性织物疵点检测方法，属于纺织技术领域。通过引入教学模型，并通过模糊连通性评价超像素集合的传播难易程度，从而逐渐控制并优化显著性传播的顺序，解决疵点检测方法中显著性传播的缺陷和不足；本发明基于像素有不同的传播难度的前提，结合了认知科学理论的实践结果，提出的显著性织物疵点检测方法，对提高显著性疵点检测算法的稳定性和准确率具有参考价值。
为了解决目前存在的一般显著性检测的不稳定性、检出率低的问题，本发明提供了一种基于机器教学模式下的显著性织物疵点检测方法，所述方法包括：
采用Harris角点检测法对图像进行预处理，得到含有一个凸包的图像；
采用线性迭代聚类的超像素分割方法，将关联的超像素点聚类，通过迭代更新实现图像的区域分割；
通过对图像背景、边缘及凸包的图像融合，构建出粗略的显著性图；
在教学模型中引入模糊连通度的思想对粗略显著性图像逐渐细化：教学模式中利用模糊连通度评估超像素的传播难易度并进行排序；在学教模式中分配一定量简单超像素进行学习，根据学习的反馈效果，调整任务量，通过不断迭代优化，直至未标记的超像素集合为空集，此时完成显著性传播。
利用阈值分割方法对细化后的显著性图像进行像素分类处理，得到最终结果。
在织物生产过程中，织物疵点的产生不可避免。传统通过人工检测的方法，其检测结果受人的主观影响较大，且漏检率高、人工成本高；随着计算机技术的发展，依靠机器视觉对织物疵点进行自动检测的方法节约了人工成本，且稳定性高，生产效率高，因而逐渐得到发展与应用。
目前，基于一般的视觉显著性的织物疵点检测方法对经编平纹类普通织物疵点的检测比较有效，而对于提花类复杂织物的检测不够稳定，检测效果差，难以用于实际生产。
因此亟需开发一种能够对复杂织物上的疵点进行有效检测、且能够有效提高检测算法的准确性的方法。
当前权利人:江南大学 发明(设计)人:李岳阳 ；杜帅 ；罗海驰 ；樊启高 ；朱一昕 ；佘雪 ；李美佳；江南大学是教育部直属、国家“211工程”重点建设高校和“双一流”建设高校。学校具有悠久的办学历史、厚重的文化积淀，源起1902年创建的三江师范学堂，历经国立中央大学、南京大学等发展时期；1958年南京工学院食品工业系整建制东迁无锡独立建校，成立无锡轻工业学院；1962年无锡纺织工学院并入无锡轻工业学院；1995年更名为无锡轻工大学；2001年无锡轻工大学、江南学院、无锡教育学院合并组建江南大学；2003年东华大学无锡校区并入江南大学。
本发明提供的一种显著性织物疵点检测方法，通过引入教学模型，并通过模糊连通性评价超像素集合的传播难易程度，从而逐渐控制并优化显著性传播的顺序，解决疵点检测方法中显著性传播的缺陷和不足；本发明基于像素有不同的传播难度的前提，结合了认知科学理论的实践结果，提出的显著性织物疵点检测方法，能够提高显著性疵点检测算法的稳定性和准确率。
科技成果只有通过实施开发应用，使其转化为生产力，才能取得经济效益和社会效益。成果方目标是将科技成果转化为现实生产力，期待有意愿的企业或合作单位进行合作推广或者进行产品生产。考虑合作转化、许可+合作等转化方式与企业、科学技术研究开发机构和其他组织建立合作关系。
下载app