(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210401115.6 (22)申请日 2022.04.18 (65)同一申请的已公布的文献号 申请公布号 CN 114494259 A (43)申请公布日 2022.05.13 (73)专利权人 南通东德纺织科技有限公司 地址 226200 江苏省南 通市启东市近海镇 滨海工业园区 (72)发明人 涂菊兰　王晶涛　 (74)专利代理 机构 石家庄嘉宏 智信知识产权代 理有限公司 1316 0 专利代理师 李兵 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01)G06V 10/54(2022.01) G06T 7/45(2017.01) G06T 7/62(2017.01) (56)对比文件 CN 107870172 A,2018.04.0 3 CN 109934802 A,2019.0 6.25 US 2010158373 A1,2010.0 6.24 审查员 徐菲 (54)发明名称 一种基于人工智能的布匹缺陷检测方法 (57)摘要 本发明涉及人工智能技术领域， 具体涉及一 种基于人工智能的布匹缺陷检测方法， 该方法包 括： 根据布匹灰度图像的灰度值范围对其进行不 同等级的划分， 得到不同等级的布匹灰阶图像； 对布匹灰阶图像进行区域划分得到多个周期区 域； 计算布匹灰阶图像上所有周期区域的纹理复 杂程度之和， 得到布匹灰阶图像的纹理复杂度； 根据布匹灰阶图像的纹理复杂度选择最优等级 的布匹灰阶图像， 记为最优布匹图像； 根据最优 布匹图像计算布匹的缺陷率， 缺陷率大于设定阈 值的布匹为有缺陷。 本发明能够提高布匹缺陷检 测的准确性。 权利要求书2页 说明书6页 附图1页 CN 114494259 B 2022.06.17 CN 114494259 B 1.一种基于人工智能的布匹缺陷检测方法， 其特 征在于， 所述方法包括以下步骤： 根据布匹灰度图像的灰度值范围对其进行不同等级的划分， 得到不同等级的布匹灰阶 图像； 获取任一布匹灰阶图像的频谱信 息， 根据频谱信 息对布匹灰阶图像进行区域划分得到 多个周期区域； 获取一个周期区域中每个像素点的梯度值和坐标构 成周期区域的标签数据， 对标签数 据进行分类处 理得到多个 类别， 每个类别对应一个局部区域； 获取每个局部区域的边缘复杂度和内部复杂度， 根据所有局部区域的边缘复杂度、 内 部复杂度以及局部区域的面积得到周期区域的纹 理复杂程度； 计算布匹灰阶图像上所有周期区域的纹理复杂程度之和， 得到布匹灰阶图像的纹理复 杂度， 并获取 所有等级的布匹灰阶图像中最大纹 理复杂度； 根据当前等级的布匹灰阶图像与其相邻等级的布匹灰阶图像中周期区域的面积之差， 以及当前等级的布匹灰阶图像的纹理复杂度与最大纹理复杂度的差值， 得到当前等级的布 匹灰阶图像优选程度； 获取优选程度最大值对应等级的布匹灰阶图像， 记为最优布匹图像； 根据最优布匹图 像计算布匹的缺陷率， 缺陷率大于设定阈值的布匹为有缺陷。 2.根据权利要求1所述的一种基于人工智能的布匹缺陷检测方法， 其特征在于， 所述对 布匹灰阶图像进行区域划分具体为： 获取任一布匹灰阶图像的频谱信息得到灰阶幅频图像， 在灰阶幅频图像上， 以该图像 中心点为原点， 横向为x轴， 纵向为y轴， 建立幅频坐标系； 分别选择x轴和y轴上的最大值点， 作为横向周期点和纵向周期点； 根据横向周期点和 纵向周期点频率的倒数得到宽度和长度； 以所述宽度和长度将布匹灰阶图像划分为多个周 期区域。 3.根据权利要求1所述的一种基于人工智能的布匹缺陷检测方法， 其特征在于， 所述根 据布匹灰度图像的灰度值范围对其进行不同等级的划分具体为： 在布匹灰度图像的灰度值范围内所有256能整除的整数作为划分等级， 对布匹灰度图 像进行不同等级的划分。 4.根据权利要求1所述的一种基于人工智能的布匹缺陷检测方法， 其特征在于， 所述局 部区域的边 缘复杂度的获取 方法具体为： 其中， 为局部区域的边缘复杂度， N为局部区域边缘像素点的数量； 计算局部区域每 个边缘像素点的海森矩阵， 表示第n个边缘像素点的海森矩阵最大特征值对应的特征向 量， 表示第n－1个边缘像素点的海森矩阵最大特征值对应的特征向量， 表 示 和 两个特征向量的相似度。 5.根据权利要求1所述的一种基于人工智能的布匹缺陷检测方法， 其特征在于， 所述局 部区域的内部复杂度的获取 方法具体为：权　利　要　求　书 1/2 页 2 CN 114494259 B 2其中， AO为局部区域的内部复杂度， M为局部区域内部像素点的数量； 表示局部区域 中第m个像素点的梯度值 ， 表示局部区域中第m－1个像素点的梯度值 ， 表示两个 像素点的梯度值的相似度。 6.根据权利要求1所述的一种基于人工智能的布匹缺陷检测方法， 其特征在于， 所述周 期区域的纹 理复杂程度的获取 方法具体为： 其中， A为周期区域的纹理复杂程度， 表示第p个局部区域的边缘复杂度， 表示第p 个局部区域的内部复杂度， Sp表示第p个局部区域的面积。 7.根据权利要求1所述的一种基于人工智能的布匹缺陷检测方法， 其特征在于， 所述优 选程度的获取 方法具体为： 其中， 表示等级为i的布匹灰阶图像的优选程度， ai、 bi分别表示 等级为i的布匹灰阶图 像上周期区域的宽度和长度， ai+1、 bi+1分别表示等级为i +1的布匹灰阶 图像上周期区域的宽 度和长度， (ai*bi)－(ai+1*bi+1)表示等级为i的布匹灰阶图像和等级为i+1的布匹灰阶图像 中周期区域 的面积之差， AFi表示等级为i 的布匹灰阶图像的纹理复杂度， AFM表示最大纹理 复杂度。 8.根据权利要求1所述的一种基于人工智能的布匹缺陷检测方法， 其特征在于， 所述布 匹的缺陷率的获取 方法具体为： 其中， 获取最优布匹图像中每个周期区域的灰度共生矩阵， 计算每个周期区域的灰度 共生矩阵的熵值， D(ENT)表示所有周期区域熵值的方差， E(ENT)表示所有周期区域熵值的 均值。权　利　要　求　书 2/2 页 3 CN 114494259 B 3