【技術實現步驟摘要】
本公開涉及機器視覺應用，尤其涉及一種用于針織品缺陷檢測的目標檢測方法及其系統。
技術介紹
1、隨著紡織工業的快速發展，針織品在日常生活中得到了廣泛應用。然而，針織品在生產過程中容易出現各種缺陷，如破洞、拉絲、起球、色差、染色不均勻、編織密度不均、圖案錯位等。這些缺陷不僅影響產品的外觀和質量，還可能導致客戶投訴和經濟損失。因此，針織品缺陷檢測成為紡織工業中的一個重要環節。
2、傳統的針織品缺陷檢測主要依賴于人工檢測，質檢員通過目視檢查來發現和標記缺陷。然而，人工檢測存在諸多問題，如檢測效率低、準確性不高、質檢員容易疲勞等。此外，人工檢測的結果容易受到主觀因素的影響，導致檢測結果不一致。隨著生產規模的擴大和自動化程度的提高，傳統的人工檢測方法已經無法滿足現代紡織工業的需求。近年來，基于計算機視覺和深度學習的自動化缺陷檢測技術逐漸興起。yolo作為一種高效的目標檢測算法，因其檢測速度快、準確率高而受到廣泛關注。yolov10是yolo系列算法的最新版本，具有更強的特征提取能力和更高的檢測精度。然而，在實際應用中，yolov10在復雜光照和背景條件下的檢測性能仍然存在一定的局限性。因此，本公開提供一種用于針織品缺陷檢測的改進yolov10算法及其魯棒性增強方法，實現快速檢測，且該方法具有通用性強、智能化程度高、背景誤檢率低等優點。
技術實現思路
1、為解決由于針織品不同背景顏色，紋理和光源的強度、角度和顏色造成的檢測性能不佳的問題。本公開提出了一種用于針織品缺陷檢測的目標檢測方
2、根據本公開的一方面，提供了一種用于針織品缺陷檢測的目標檢測方法，包括：
3、s10、獲取針織品缺陷圖片，對所述針織品缺陷圖片進行處理得到針織品缺陷數據集；
4、s20、構建初始缺陷檢測模型，所述初始缺陷檢測模型由主干特征提取網絡、通道優先卷積注意力模塊、深度卷積模塊和多檢測頭構成；
5、s30、構建目標損失函數訓練所述初始缺陷檢測模型，得到優化后的缺陷檢測模型；
6、s40、將處理后的針織品缺陷數據集輸入至優化后的缺陷檢測模型，得到缺陷檢測結果。
7、優選地，構建初始缺陷檢測模型，包括：
8、對初始缺陷檢測模型的主干部分進行改進，將獲取的針織品缺陷圖片輸入到所述主干部分，通過主干部分的動態蛇形卷積對針織品缺陷圖片進行特征提取得到特征圖，將動態蛇形卷積中的標準卷積核在x軸和y軸方向上進行直線化處理，x軸方向的變化為：
9、
10、y軸方向的變化為：
11、
12、式中，ki±b(xi±b，yi±b為卷積核k中每個網格的具體位置，b＝0,1,2,3,4表示距離中心網格的水平距離，δx為x軸方向的偏移量，δy為y軸方向的偏移量。
13、優選地，構建初始缺陷檢測模型，還包括：
14、將提取到的特征圖輸入通道優先卷積注意力模塊，通過通道優先卷積注意力模塊的通道注意力提取特征圖的空間信息，空間信息的提取過程為：
15、
16、
17、式中，表示輕量卷積運算后得到的第i個子特征的高度空間結構信息，表示輕量卷積運算后得到的第i個子特征的寬度空間結構信息，ki表示應用于第i個子特征的卷積核，表示輕量卷積運算前第i個子特征的高度空間結構信息，表示輕量卷積運算前第i個子特征的寬度空間結構信息。
18、優選地，構建初始缺陷檢測模型，還包括：對所述空間信息進行處理得到通道注意力圖，將特征圖和通道注意力圖的元素相乘得到通道先驗，并輸入到深度卷積模塊生成空間注意力圖，將通道注意力圖與通道先驗中的元素逐個相乘，得到細化的輸出特征。
19、優選地，所述細化的輸出特征計算公式為：
20、
21、
22、xs＝attnh×attnw×x
23、式中，σ(·)表示歸一化激活函數，和分別表示沿h和w維有i個群歸一化，xs表示最后的輸出特征，attnh為進行群歸一化后h維上的輸出特征，attnw為進行群歸一化后w維上的輸出特征，x為輸入的特征。
24、優選地，構建目標損失函數訓練所述初始缺陷檢測模型，包括：
25、對初始缺陷檢測模型的通道優先卷積注意力模塊進行改進歸一化處理；
26、采用歸一化的代價距離計算通道優先卷積注意力模塊的檢測框和目標框之間的相似度，得到對應的高斯分布，并通過歸一化的代價距離度量高斯分布之間的相似度；
27、基于所述高斯分布之間的相似度建立目標損失函數，判斷檢測框和目標框的重疊面積。
28、優選地，所述目標損失函數考慮邊界框中心點距離的信息、重疊面積和邊界框寬高比的尺度信息，表示為：
29、
30、式中，為距離度量，gxa、gya分別表示分布和的中心坐標，wa、wb分別表示分布和的寬度，ha和hb分別表示分布和的高度，表示歐幾里得距離；
31、歸一化的代價距離表示為：
32、
33、式中，為歸一化的代價距離，e為常數，表示ai-tod數據集的平均絕對尺寸。
34、根據本公開的一方面，提供一種用于針織品缺陷檢測的目標檢測系統，包括：
35、獲取針織品缺陷數據集模塊，獲取針織品缺陷圖片，對所述針織品缺陷圖片進行處理得到針織品缺陷數據集；
36、初始缺陷檢測模型構建模塊，構建初始缺陷檢測模型，所述初始缺陷檢測模型由主干特征提取網絡、通道優先卷積注意力模塊、深度卷積模塊和多檢測頭構成；
37、初始缺陷檢測模型訓練模塊，構建目標損失函數訓練所述初始缺陷檢測模型，得到優化后的缺陷檢測模型；
38、缺陷檢測模塊，將處理后的針織品缺陷數據集輸入至優化后的缺陷檢測模型，得到缺陷檢測結果。
39、根據本公開的一方面，提供了一種電子設備，包括：處理器；用于存儲處理器可執行指令的存儲器；其中，所述處理器被配置為：執行上述用于針織品缺陷檢測的目標檢測方法。
40、根據本公開的一方面，提供了一種計算機可讀存儲介質，其上存儲有計算機程序指令，所述計算機程序指令被處理器執行時實現上述用于針織品缺陷檢測的目標檢測方法。
41、相對于現有技術，本公開的有益效果為：
42、1)本公開通過動態蛇形卷積對缺陷圖像進行特征提取，通過自適應地調整卷積核的形狀和大小，以更好地捕捉圖像中的細節和邊緣信息。
43、2)本公開通過通道優先卷積注意力模塊對不同通道的特征進行加權處理，增強了重要特征的表達能力，同時抑制了不重要特征的干擾。
44、3)本公開通過增加新的檢測頭專門用于檢測微小缺陷，從淺層特征圖學習到小目標的特征信息后，與深層特征圖拼接，從而使深層網絡也能夠學習到小目標的特征信息，讓網絡更加關注小目標的檢測，提高模型對小尺寸缺陷的敏感度和檢測能力。
45、本文檔來自技高網...
【技術保護點】
1.用于針織品缺陷檢測的目標檢測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的方法，其特征在于，構建初始缺陷檢測模型，包括：
3.根據權利要求2所述的方法，其特征在于，構建初始缺陷檢測模型，還包括：
4.根據權利要求3所述的方法，其特征在于，構建初始缺陷檢測模型，還包括：對所述空間信息進行處理得到通道注意力圖，將特征圖和通道注意力圖的元素相乘得到通道先驗，并輸入到深度卷積模塊生成空間注意力圖，將通道注意力圖與通道先驗中的元素逐個相乘，得到細化的輸出特征。
5.根據權利要求4所述的方法，其特征在于，所述細化的輸出特征計算公式為：
6.根據權利要求1所述的方法，其特征在于，構建目標損失函數訓練所述初始缺陷檢測模型，包括：
7.根據權利要求6所述的方法，其特征在于，所述目標損失函數考慮邊界框中心點距離的信息、重疊面積和邊界框寬高比的尺度信息，表示為：
8.用于針織品缺陷檢測的目標檢測系統，其特征在于，包括：
9.一種電子設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的
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，所述程序被處理器執行時實現權利要求1至7任一項所述的用于針織品缺陷檢測的目標檢測方法。
...【技術特征摘要】
1.用于針織品缺陷檢測的目標檢測方法，其特征在于，包括如下步驟：
2.根據權利要求1所述的方法，其特征在于，構建初始缺陷檢測模型，包括：
3.根據權利要求2所述的方法，其特征在于，構建初始缺陷檢測模型，還包括：
4.根據權利要求3所述的方法，其特征在于，構建初始缺陷檢測模型，還包括：對所述空間信息進行處理得到通道注意力圖，將特征圖和通道注意力圖的元素相乘得到通道先驗，并輸入到深度卷積模塊生成空間注意力圖，將通道注意力圖與通道先驗中的元素逐個相乘，得到細化的輸出特征。
5.根據權利要求4所述的方法，其特征在于，所述細化的輸出特征計算公式為：
6.根據權利要求1所述的方法，其...
【專利技術屬性】
技術研發人員：蔣立泉，鄧宇軒，王少奇，余豪，徐衛林，
申請(專利權)人：武漢紡織大學，
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。