科创中国
一种基于BRDPSO算法的织物表面瑕疵检测方法
成果类型：: 实用新型专利
发布时间: 2022-07-01 09:40:46
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 | 2022-10-25 17:25:01
本发明公开了一种基于最优gabor滤波器及BRDPSO算法的织物表面瑕疵检测方法,该方法提取出的具有影响力的特征子集可以降低特征空间维数、简化分类器设计、提高分类速度。另外,还能够提供合适的参数设置,以提高分类器模型的分类精度。
步骤1：首先选择一幅预处理后的无疵点织物图像，用来得到最优gabor滤波器；
步骤2：获取全部图像，进行预处理及与最优gabor滤波器进行卷积操作；
步骤3：对处理后的图像进行特征提取；
步骤4：将特征数据集分为训练集和测试集；
步骤5：构造和训练BRDPSO-IF模型，同步进行特征选择和IF模型参数的优化；
步骤6：应用选择好的特征子集和优化后的IF模型对测试集进行瑕疵检测。
所述步骤1的具体包括以下子步骤：
首先对此图像进行图像灰度化、中值滤波以及同态滤波预处理，得到预处理后图像；
(1.2)采用量子粒子群算法(QPSO)优化得到gabor滤波参数，构造与(1.1)中预处理后图像纹理最匹配的最优gabor滤波器：
(1.2.1)初始化粒子群，包括确定最大迭代次数、搜索空间及粒子个数、随机初始化粒子的位置，并置粒子个体最好位置为当前粒子的位置；
在织物的实际生产过程中，由于各方面因素的影响，织物表面会出现断头疵、跳花、破洞、污渍等瑕疵。传统人工肉眼检查十分费力，同时人眼长时间检测，很容易造成肉眼疲劳，不仅检测速度慢，准确率也不能达到企业标准。因此基于机器学习进行织物表面瑕疵检测具有重要意义。
近年来，大部分基于织物表面瑕疵检测的方法都是先进行图像预处理，然后特征提取，再利用全部的特征进行分类。图像预处理可以有效消除图像中无关的信息，恢复有用的真实信息，若预处理后的图像仍具有噪声或光照不均等现象，会直接影响到后面提取的特征信息。同时特征空间中也含有许多冗余特征甚至噪声特征，这些特征一方面可能降低分类的精度，另一方面会大大增加学习和训练的时间及复杂度。
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。
本发明的目的是提供一种基于最优gabor滤波器及BRDPSO算法的织物表面瑕疵检测方法，BRDPSO算法即二进制随机漂移粒子群算法；该方法提取出的具有影响力的特征子集可以降低特征空间维数、简化分类器设计、提高分类速度
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