(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210699479.7 (22)申请日 2022.06.20 (71)申请人 佛山技研智联科技有限公司 地址 528000 广东省佛山市禅城区东鄱二 路5号自编一 座5层(住所申报) (72)发明人 韦帅　莫兆忠　钟凤俊　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 李燕娥 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/194(2017.01) G06T 7/136(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) (54)发明名称 基于有监督模式的织物瑕疵检测方法、 装 置、 设备及 介质 (57)摘要 本发明公开了基于有监督模式的织物瑕疵 检测方法、 装置、 设备及介质， 方法包括： 将数据 集中的图像拆 分为对应的多个子图像， 提取各子 图像的灰度共生矩 阵特征并进行组合得到图像 特征向量， 根据图像特征向量训练生成二分类模 型并对待检测图像中的子图像进行识别得到识 别结果， 对瑕疵子图像进行计算求取显著性图后 进行连通域筛选得到初始图像， 对初始图像进行 分割得到目标二值图像进行输出。 本发明通过数 据集中图像的子图像训练生 成二分类模型， 通过 二分类模型对待检测图像中的子图像进行识别， 对识别的瑕疵子图像进行计算并提取瑕疵区域 的目标二值图像， 可对织物快速进行瑕疵检测并 定位瑕疵区域， 大幅提高了对织物进行瑕疵检测 的效率。 权利要求书3页 说明书11页 附图4页 CN 114998290 A 2022.09.02 CN 114998290 A 1.一种基于有监 督模式的织物瑕疵检测方法， 其特 征在于， 包括： 对输入的数据集中的图像进行拆分， 得到与每一所述图像对应的多个子 图像； 每一所 述子图像均包 含瑕疵标记； 提取各所述子图像的灰度共生矩阵特征并进行组合， 得到各所述子图像的图像特征向 量； 将各所述子图像的所述图像特征向量输入至支持向量机中进行训练， 生成二分类模 型； 通过所述二分类模型对待检测图像中的子图像进行识别， 得到是否存在瑕疵的识别结 果； 对瑕疵子图像进行计算， 求取所述瑕疵子图像的显著性图及所述显著性图的位置像素 值； 所述显著性图包含所述瑕疵子图像中每一像素点对应的位置像素值； 所述瑕疵子图像 为识别结果 为存在瑕疵的子图像； 对所述显著性图进行连通域筛选， 以将所述显著性图中像素数小于预设像素阈值的连 通域进行筛除， 得到与所述显著性图对应的初始图像； 通过自适应阈值对所述初始图像进行分割， 以将瑕疵前景区域与背景区域进行分割， 得到瑕疵前景区域作为与所述初始图像对应的目标二 值图像进行输出。 2.根据权利要求1所述的基于有监督模式的织物瑕疵检测方法， 其特征在于， 所述对输 入的数据集中的图像进行拆分， 得到与每一所述图像对应的多个子图像， 包括： 将所述数据集中的图像按预设数目确定与 所述图像的拆分比例对应的矩形， 所述拆分 比例根据所述预设数目对应获取 得到； 根据所述图像对应的矩形对所述图像进行无损、 无重叠的截取得到对应的多个子图 像。 3.根据权利要求1所述的基于有监督模式的织物瑕疵检测方法， 其特征在于， 所述提取 各所述子图像的灰度共生矩阵特 征并进行组合， 得到各 所述子图像的图像特 征向量， 包括： 计算各所述子图像的灰度共生矩阵； 根据各所述子图像的所述灰度共生矩阵计算各所述子图像的统计特征； 所述统计特征 包括角二阶矩、 对比度、 相关性、 逆差矩及熵； 将属于同一个所述子图像的统计特征分别进行组合， 得到各所述子图像的图像特征向 量。 4.根据权利要求3所述的基于有监督模式的织物瑕疵检测方法， 其特征在于， 所述灰度 共生矩阵为： 其中， Pθ,d(m,n)表示不同组合在方向θ与距离d上出现的概率： Nθ,d(m,n)为有序数对值为(m， n)， (m,n＝0,1,2, …,255)灰度对的出现次数， N为灰度对总 数。权　利　要　求　书 1/3 页 2 CN 114998290 A 25.根据权利要求1所述的基于有监督模式的织物瑕疵检测方法， 其特征在于， 所述将各 所述子图像的所述图像特 征向量输入至支持向量机中进行训练， 生成二分类模型， 包括： 将所述图像特征向量包含的五维特征及所述图像特征向量对应子图像的瑕疵标记输 入至所述支持向量机中， 根据梯度下降规则对所述支持向量机进 行训练得到对应的目标分 类参数； 根据目标分类参数对所述支持向量机进行参数配置， 以生成二分类模型。 6.根据权利要求1所述的基于有监督模式的织物瑕疵检测方法， 其特征在于， 所述对瑕 疵子图像进行计算， 求取 所述瑕疵子图像的显著性图及所述显著性图的位置像素值， 包括： 将所述瑕疵子图像从RGB颜色空间转换至CIE ‑Lab颜色空间， 得到与所述瑕疵子图像对 应的转换图像； 对所述转换图像在L、 a、 b三通道的分图像矩阵分别求取均值， 以确定与所述均值对应 的中心坐标； 将所述瑕疵子图像所有像素点与所述中心坐标之间的偏差值作为显著性图的位置像 素值。 7.根据权利要求6所述的基于有监督模式的织物瑕疵检测方法， 其特征在于， 所述将所 述瑕疵子图像所有像素点与所述中心坐标之间的偏差值作为显著性图的位置像素值， 包 括： 对所述瑕疵子图像进行 滤波得到对应的滤波图像矩阵； 计算所述滤波图像矩阵所有像素点的像素值与 所述中心坐标的像素值之间的偏差值， 得到所述 位置像素值。 8.一种基于有监 督模式的织物瑕疵检测装置， 其特 征在于， 所述装置包括： 图像拆分单元， 用于对输入的数据集中的图像进行拆分， 得到与每一所述图像对应的 多个子图像； 每一所述子图像均包 含瑕疵标记； 图像特征向量获取单元， 用于提取各所述子 图像的灰度共生矩阵特征并进行组合， 得 到各所述子图像的图像特 征向量； 二分类模型生成单元， 用于将各所述子图像的所述图像特征向量输入至支持向量机中 进行训练， 生成二分类模型； 识别结果获取单元， 用于通过所述二分类模型对待检测图像中的子 图像进行识别， 得 到是否存在瑕疵的识别结果； 显著性图获取单元， 用于对瑕疵子 图像进行计算， 求取所述瑕疵子 图像的显著性图及 所述显著性图的位置像素值； 所述显著 性图包含所述瑕疵子图像中每一像素点对应的位置 像素值； 所述瑕疵子图像为识别结果 为存在瑕疵的子图像； 初始图像获取单元， 用于对所述显著性图进行连通域筛选， 以将所述显著性图中像素 数小于预设像素阈值的连通 域进行筛除， 得到与所述显著性图对应的初始图像； 目标二值图像获取单元， 用于通过自适应阈值对所述初始图像进行分割， 以将瑕疵前 景区域与背景区域进行分割， 得到与所述待检测图像对应的目标二 值图像进行输出。 9.一种计算机设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上 运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7 中任一项所述的基于有监 督模式的织物瑕疵检测方法。权　利　要　求　书 2/3 页 3 CN 114998290 A 3