(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 202211219143.2 (22)申请日 2022.10.08 (65)同一申请的已公布的文献号 申请公布号 CN 115294116 A (43)申请公布日 2022.11.04 (73)专利权人 南通梦洁家纺有限公司 地址 226000 江苏省南 通市海门市三星镇 工贸园区(汇南村) (72)发明人 肖婉芳　 (74)专利代理 机构 邯郸泽科知识产权代理有限 公司 13169 专利代理师 邹冰 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01)G06T 7/40(2017.01) G06T 7/90(2017.01) (56)对比文件 CN 114878574 A,202 2.08.09 CN 114862836 A,2022.08.05 CN 114820627 A,202 2.07.29 CN 114549522 A,2022.05.27 审查员 顾明海 (54)发明名称 基于人工智能的纺织材料染色质 量评估方 法、 装置及系统 (57)摘要 本发明公开了一种基于人工智能的纺织材 料染色质量评估方法、 装置及系统， 涉及人工智 能领域。 主要包括： 获得图像中的横向周 期距离 以及纵向周期距离， 并结合纺织物图像自身存在 周期性这一特点， 分别针对像素点在HSV图像中 三个通道的偏差进行分析， 从而确定存在异常的 像素点， 通过异常像素点的分布情况以及相互之 间的距离获得质量评估值 以对染色质量进行评 估。 提高了对存在纹理差异的纺织物的处理效 率， 能够对纺织物的染色质量进行评价， 进而便 于操作者 根据质量评价结果进行相应的处 理。 权利要求书3页 说明书9页 附图2页 CN 115294116 B 2022.12.30 CN 115294116 B 1.一种基于人工智能的纺织材 料染色质量评估方法， 其特 征在于， 包括： 获得纺织品的表面图像并进行 预处理得到灰度图像以及HSV图像； 对所述灰度图像进行边缘检测获得边缘图像， 并将所述边缘图像中像素点的梯度 方向 中频率最大的两个梯度方向依次作为第一方向和第二方向； 分别获得所述灰度图像中所述第 一方向下的周期距离及所述第 二方向下的周期距离， 并依次作为横向周期距离和纵向周期距离； 分别利用横向周期距离和纵向周期距离， 获取HSV图像中各通道 的横向颜色序列和纵 向颜色序列， 根据HSV图像中获得的各通道的横向颜色序列和纵向颜色序列获取各通道的 偏差概率， 包括： 分别计算HSV图像中各通道中各横向颜色序列之间的相似度， 并将各通道中与其他横 向颜色序列的相似度的均值 最大的横向颜色序列 作为各通道的横向标准颜色序列； 分别计算HSV图像中各通道中各纵向颜色序列之间的相似度， 并将各通道中与其他纵 向颜色序列的相似度的均值 最大的纵向颜色序列 作为各通道的纵向标准颜色序列； 将HSV图像 中像素点在各通道中的像素值与各通道中的横向标准颜色序列以及纵向标 准颜色序列进行比对， 分别获得像素点在各通道中的偏差概率， 并将像素点在各通道中的 偏差概率的均值作为像素点在HSV图像中的偏差概 率； 包括： 将像素点与其在横向标准颜色序列及所述纵向标准颜色序列中对应位置的值进行比 较， 分别获得像素点在各通道中的特 征概率； 根据像素点在各通道中邻域内像素点的特征概率， 分别获得像素点在各通道中的偏差 概率； 其中， 所述特 征概率的计算方法包括： 其中， 表示第 个像素的特征概率， 表示第 个像素的颜色， 为横向标准颜色序列 与其他横向颜色序列的相似度的均值， 为纵向标准颜色序列与其他纵向颜色序列的相似 度的均值， 表示与第 个像素所对应的横向标准颜色序列中的第j个位置的颜色， 表示 所述HSV图像中与所述横向标准颜色序列中第 j个位置对应的所有像素点的颜色的均值， 表示与第 个像素所对应的纵 向标准颜色序列中的第 个位置的颜色， 表示所述HSV图像 中与所述纵向标准颜色序列中第 个位置对应的所有像素点的颜色的均值； 根据像素点在各通道中邻域内像素点的特征概率， 分别获得像素点在各通道中的偏差 概率， 包括： 其中 表示像素点在通道中的偏差概率， 为像素点在通道中的值， 为像素点通道中 邻域内第 个像素点的值， 为通道中邻域内像素点的个数；权　利　要　求　书 1/3 页 2 CN 115294116 B 2根据偏差概率大于预设阈值的像素点的面积占比以及离散程度获得纺织品的质量评 估值， 并根据质量评价 值对纺织品的染色质量进行评价。 2.根据权利要求1所述的基于人工智能的纺织材料染色质量评估方法， 其特征在于， 所 述灰度图像中的周期距离的获得 方法包括： 将边缘图像中梯度方向为第 一方向的边缘像素点连成线段， 并对所述边缘图像中各线 段进行聚类获得多个 类别， 分别计算各 所述类别中包 含的线段的长度均值； 分别以各所述类别的长度均值为间隔， 对所述灰度图像沿所述第一方向进行划分， 并 分别将划分后得到的各线段 上像素点的像素值进行排列， 以得到线段的灰度值序列； 将灰度值序列与其他灰度值序列之间的相似的均值作为灰度值序列的特征值， 并将所 述特征值最大的所述灰度值序列作为标准灰度值序列， 将各灰度值序列与所述标准灰度值 序列之间的相似度的均值作为类别的长度符合 率； 将所述长度符合 率最大的所述类别的长度均值作为第一方向下的周期距离； 利用所述第一方向下的周期距离的计算方法， 获得 所述第二方向下的周期距离 。 3.根据权利要求2所述的基于人工智能的纺织材料染色质量评估方法， 其特征在于， 所 述方法还 包括： 利用所述长度符合 率的计算方法， 计算各类别的长度均值的和对应的长度符合 率。 4.根据权利要求1所述的基于人工智能的纺织材料染色质量评估方法， 其特征在于， 对 纺织品的表面图像的预处 理包括： 对所述表面图像进行 灰度化获得 灰度图像； 对所述表面图像进行HSV转换， 得到 HSV图像。 5.根据权利要求1所述的基于人工智能的纺织材料染色质量评估方法， 其特征在于， 像 素点的梯度方向的获得 过程包括： 利用Sobel算子获得像素点的水平梯度及竖直梯度， 像素点的梯度方向为 ， 其中 表示像素点的水平梯度， 表示像素点的竖直梯度。 6.一种基于人工智能的纺织材 料染色质量评估 装置， 其特 征在于， 包括： 图像预处理模块， 用于获得纺织品的表面图像并进行预处理得到灰度图像以及HSV图 像； 第一计算模块， 用于对所述灰度图像进行边缘检测获得边缘图像， 并将所述边缘图像 中像素点的梯度方向中频率 最大的两个梯度方向依次作为第一方向和第二方向； 第二计算模块， 用于分别获得所述灰度图像中所述第 一方向下的周期距离及所述第 二 方向下的周期距离， 并依次作为横向周期距离和纵向周期距离； 第三计算模块， 用于分别利用横向周期距离和纵向周期距离， 获取HSV图像 中各通道的 横向颜色序列和纵向颜色序列， 并根据HSV图像中获得的各通道的横向颜色序列和纵向颜 色序列获取 各通道的偏差概 率； 包括： 分别计算HSV图像中各通道中各横向颜色序列之间的相似度， 并将各通道中与其他横 向颜色序列的相似度的均值 最大的横向颜色序列 作为各通道的横向标准颜色序列； 分别计算HSV图像中各通道中各纵向颜色序列之间的相似度， 并将各通道中与其他纵 向颜色序列的相似度的均值 最大的纵向颜色序列 作为各通道的纵向标准颜色序列；权　利　要　求　书 2/3 页 3 CN 115294116 B 3