【技術實現步驟摘要】
本申請涉及智能制造，尤其涉及一種面料瑕疵點的定位檢測系統。
技術介紹
1、隨著物聯網、人工智能等技術的不斷發展，推動了智能制造
的數字化變革，在數字化生產過程中，需要對原材料或半成品進行質量檢測，以保證整個數字化生產過程的產品質量。在現代紡織工業中，以先進的檢測技術代替人眼進行面料瑕疵的自動檢測能夠提高檢測效率、降低勞動強度并進一步提高面料的質量。
2、然而，目前大多采用人工驗布的方法對面料進行抽檢，進而定義面料的品質等級。這種瑕疵檢測方式的人力成本較高，難以在數字化生成過程中實現實時檢測，且檢測結果的穩定性和準確性較差，檢測結果的重現率較低，與數字化生產不相適應。
技術實現思路
1、基于此，有必要針對上述技術問題，提供一種能夠在數字化生成過程中對面料瑕疵點進行實時自動檢測的面料瑕疵點的定位檢測系統、方法、計算機設備及存儲介質。
2、第一方面，本申請提供了一種面料瑕疵點的定位檢測系統，包括：圖像獲取模塊、圖像處理模塊、缺陷檢測模塊和檢測結果生成模塊；
3、圖像獲取模塊用于獲取待檢測面料的原始檢測圖像，原始檢測圖像用以表征位于面料瑕疵點檢測區域中的待檢測面料的顏色和紋理特征；
4、圖像處理模塊用于分割原始檢測圖像得到待檢測圖像，待檢測圖像包括核心待檢測圖像，核心待檢測圖像用以獲取面料瑕疵初判信息；
5、缺陷檢測模塊用于將核心待檢測圖像輸入至核心缺陷點檢測模型中得到核心缺陷點檢測信息，核心缺陷點檢測信息用以表征對待檢測面
6、檢測結果生成模塊用于響應于核心缺陷點檢測信息符合缺陷檢測預警條件，生成實時預警缺陷檢測結果；并基于核心缺陷點檢測信息生成面料瑕疵初判等級檢測結果。
7、在其中一個實施例中，面料瑕疵點的定位檢測系統還包括：參數設定模塊；
8、參數設定模塊包括待檢測面料元信息獲取組件、圖像分割系數匹配組件和待檢測面料進給速度匹配組件；
9、待檢測面料元信息獲取組件用于獲取待檢測面料元信息，待檢測面料元信息包括待檢測面料寬度、適用于待檢測面料的核心缺陷點檢測模型的參數和預設檢測精度；
10、圖像分割系數匹配組件用于基于待檢測面料元信息生成圖像分割系數，圖像分割系數用以表征核心缺陷點檢測模型的輸入端圖像同原始檢測圖像間的分割比例關系；
11、待檢測面料進給速度匹配組件用于基于待檢測面料元信息和圖像分割系數生成待檢測面料進給速度控制信息，待檢測面料進給速度控制信息用以控制面料瑕疵點檢測區域中的待檢測面料的進給速度。
12、在其中一個實施例中，核心缺陷點檢測模型為第一改進yolov8模型，第一改進yolov8模型由原始yolov8模型將其頸部網絡結構更換為結構層數至少為四層的雙向特征金字塔網絡結構得到。
13、在其中一個實施例中，第一改進yolov8模型的脊柱網絡和頸部網絡之間增加有全局注意力機制模塊，第一改進yolov8模型的頸部網絡和頭部網絡之間增加有置換注意力機制模塊。
14、在其中一個實施例中，待檢測圖像包括細節待檢測圖像，細節待檢測圖像的像素精度高于核心待檢測圖像；
15、缺陷檢測模塊還用于將細節待檢測圖像輸入至細節缺陷點檢測模型中得到細節缺陷點檢測信息；
16、檢測結果生成模塊還用于結合核心缺陷點檢測信息和細節缺陷點檢測信息，生成面料綜合等級檢測結果；以及，用于響應于面料綜合等級檢測結果符合缺陷區域檢測條件，結合核心缺陷點檢測信息和細節缺陷點檢測信息生成面料缺陷區域檢測結果，面料缺陷區域檢測結果用以表征面料中缺陷集中的區域。
17、在其中一個實施例中，細節缺陷點檢測模型為第二改進yolov8模型，第二改進yolov8模型由原始yolov8模型刪去脊柱網絡中下采樣倍數最大的卷積模塊和c2f模塊，并將其頸部網絡結構更換為結構層數為三層的雙向特征金字塔網絡結構得到。
18、在其中一個實施例中，圖像處理模塊還用于對原始檢測圖像進行預處理，包括：
19、調整原始檢測圖像的分辨率大小生成尺寸匹配圖像；
20、對尺寸匹配圖像進行濾波處理生成濾波圖像；
21、對濾波圖像進行降噪處理生成待分割圖像，并基于待分割圖像更新原始檢測圖像。
22、第二方面，本申請還提供了一種面料瑕疵點的定位檢測方法，包括：
23、獲取待檢測面料的原始檢測圖像，原始檢測圖像用以表征位于面料瑕疵點檢測區域中的待檢測面料的顏色和紋理特征；
24、分割原始檢測圖像得到待檢測圖像，待檢測圖像包括核心待檢測圖像，核心待檢測圖像用以獲取面料瑕疵初判信息；
25、將核心待檢測圖像輸入至核心缺陷點檢測模型中得到核心缺陷點檢測信息，核心缺陷點檢測信息用以表征對待檢測面料等級檢測評價起核心主導作用的缺陷點的特征信息；
26、響應于核心缺陷點檢測信息符合缺陷檢測預警條件，生成實時預警缺陷檢測結果；
27、基于核心缺陷點檢測信息生成面料瑕疵初判等級檢測結果。
28、第三方面，本申請還提供了一種計算機設備，包括存儲器和處理器，存儲器存儲有計算機程序，處理器執行計算機程序時實現以下步驟：
29、獲取待檢測面料的原始檢測圖像，原始檢測圖像用以表征位于面料瑕疵點檢測區域中的待檢測面料的顏色和紋理特征；
30、分割原始檢測圖像得到待檢測圖像，待檢測圖像包括核心待檢測圖像，核心待檢測圖像用以獲取面料瑕疵初判信息；
31、將核心待檢測圖像輸入至核心缺陷點檢測模型中得到核心缺陷點檢測信息，核心缺陷點檢測信息用以表征對待檢測面料等級檢測評價起核心主導作用的缺陷點的特征信息；
32、響應于核心缺陷點檢測信息符合缺陷檢測預警條件，生成實時預警缺陷檢測結果；
33、基于核心缺陷點檢測信息生成面料瑕疵初判等級檢測結果。
34、第四方面，本申請還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，計算機程序被處理器執行時實現以下步驟：
35、獲取待檢測面料的原始檢測圖像，原始檢測圖像用以表征位于面料瑕疵點檢測區域中的待檢測面料的顏色和紋理特征；
36、分割原始檢測圖像得到待檢測圖像，待檢測圖像包括核心待檢測圖像，核心待檢測圖像用以獲取面料瑕疵初判信息；
37、將核心待檢測圖像輸入至核心缺陷點檢測模型中得到核心缺陷點檢測信息，核心缺陷點檢測信息用以表征對待檢測面料等級檢測評價起核心主導作用的缺陷點的特征信息；
38、響應于核心缺陷點檢測信息符合缺陷檢測預警條件，生成實時預警缺陷檢測結果；
39、基于核心缺陷點檢測信息生成面料瑕疵初判等級檢測結果。
40、上述面料瑕疵點的定位檢測系統、方法、計算機設備及存儲介質，通過圖像獲取、圖像處理以及缺陷檢測模塊的協調配合，能夠實現對面料瑕疵點本文檔來自技高網...
【技術保護點】
1.一種面料瑕疵點的定位檢測系統，其特征在于，所述系統包括：圖像獲取模塊、圖像處理模塊、缺陷檢測模塊和檢測結果生成模塊；
2.根據權利要求1所述的系統，其特征在于，所述系統還包括：參數設定模塊；
3.根據權利要求1所述的系統，其特征在于，所述核心缺陷點檢測模型為第一改進YOLOV8模型，所述第一改進YOLOV8模型由原始YOLOV8模型將其頸部網絡結構更換為結構層數至少為四層的雙向特征金字塔網絡結構得到。
4.根據權利要求3所述的系統，其特征在于，所述第一改進YOLOV8模型的脊柱網絡和頸部網絡之間增加有全局注意力機制模塊，所述第一改進YOLOV8模型的頸部網絡和頭部網絡之間增加有置換注意力機制模塊。
5.根據權利要求1所述的系統，其特征在于，所述待檢測圖像包括細節待檢測圖像，所述細節待檢測圖像的像素精度高于所述核心待檢測圖像；
6.根據權利要求5所述的系統，其特征在于，所述細節缺陷點檢測模型為第二改進YOLOV8模型，所述第二改進YOLOV8模型由原始YOLOV8模型刪去脊柱網絡中下采樣倍數最大的卷積模塊和C2F模塊，
7.根據權利要求1至6中任一項所述的系統，其特征在于，所述圖像處理模塊還用于對所述原始檢測圖像進行預處理，包括：
8.一種面料瑕疵點的定位檢測方法，其特征在于，所述方法包括：
9.一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求8所述的方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求8所述的方法的步驟。
...【技術特征摘要】
1.一種面料瑕疵點的定位檢測系統，其特征在于，所述系統包括：圖像獲取模塊、圖像處理模塊、缺陷檢測模塊和檢測結果生成模塊；
2.根據權利要求1所述的系統，其特征在于，所述系統還包括：參數設定模塊；
3.根據權利要求1所述的系統，其特征在于，所述核心缺陷點檢測模型為第一改進yolov8模型，所述第一改進yolov8模型由原始yolov8模型將其頸部網絡結構更換為結構層數至少為四層的雙向特征金字塔網絡結構得到。
4.根據權利要求3所述的系統，其特征在于，所述第一改進yolov8模型的脊柱網絡和頸部網絡之間增加有全局注意力機制模塊，所述第一改進yolov8模型的頸部網絡和頭部網絡之間增加有置換注意力機制模塊。
5.根據權利要求1所述的系統，其特征在于，所述待檢測圖像包括細節待檢測圖像，所述細節待檢測圖像的像素精度高于所述核心待檢...
【專利技術屬性】
技術研發人員：吳改紅，陸格格，劉淑強，劉小文，童慶，肖瑤，陳雯，熊恬，楊洋，汪家俊，吉夢嬌，
申請(專利權)人：太原理工大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。