(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 202211238998.X (22)申请日 2022.10.11 (65)同一申请的已公布的文献号 申请公布号 CN 115308215 A (43)申请公布日 2022.11.08 (73)专利权人 南通市怡天时纺织有限公司 地址 226000 江苏省南 通市如皋市江安 镇 宁通居委会四组 (72)发明人 朱晓辉　 (74)专利代理 机构 武汉华强专利代理事务所 (普通合伙) 42237 专利代理师 康晨 (51)Int.Cl. G01N 21/88(2006.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06N 7/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) 审查员 任华 (54)发明名称 基于激光束的织物织造疵点检测方法 (57)摘要 本发明涉及光学检测技术领域， 具体涉及基 于激光束的织物织造疵点检测方法。 该方法包 括： 在织物生产机床上， 部署空间光调节器与相 机， 通过空间光调节器产生激光束打在织物表 面， 利用相机获取织物表面光斑图像； 建立神经 网络对所述织物表面光斑图像进行光斑区域提 取， 获取高斯光斑区域图像； 并对其利用贝 叶斯 混合高斯模 型进行拟合， 获取时序的高斯光束特 征向量； 利用机器学习模型对所述时序的高斯光 束特征向量进行识别， 判断疵点类型。 本发明方 法可以检测复杂背景与织物 图案下任意数量的 高斯激光束， 同时结合高斯光束的特征向量， 对 高斯光束进行了更有效的量化， 有效提高了织物 疵点的判断精度。 权利要求书2页 说明书6页 附图1页 CN 115308215 B 2022.12.20 CN 115308215 B 1.基于激光束的织物织造疵点检测方法， 其特 征在于， 所述方法包括： 在织物生产机床上， 部署空间光调节器与相机， 通过所述空间光调节器产生激光束打 在织物表面， 同时利用所述相机获取织物 表面光斑图像； 建立高斯光斑检测神经网络对所述织物表面光斑图像进行光斑区域提取， 获取高斯光 斑区域图像； 对所述高斯光斑区域图像进行分析， 获取织物光斑区域图像， 根据所述织物光斑区域 图像获取激光束光强图像， 根据所述织物光斑区域图像及所述激光束光 强图像用贝叶斯混 合高斯模型进行拟合， 得到高斯光束分布图像及高斯光束的形态参数； 基于所述高斯光束 分布图像进行分析， 得到光强对称熵， 将所述高斯光束的形态参数及所述光强对称熵进行 结合获取时序的高斯 光束特征向量； 利用机器学习模型对所述时序的高斯 光束特征向量进行识别， 判断疵点类型； 所述建立高斯光斑检测神经网络对所述织物表面光斑图像进行光斑区域提取的方法 包括： 构建标签数据集， 首先人为通过标注工具标记出图像中的光斑区域， 所述光斑区域的 标注采用椭圆形进行标注， 然后对每一个光斑区域内的光斑像素坐标进 行二维高斯分布拟 合， 得到该光斑区域的高斯分布函数； 然后通过计算机代码生成一张与采集图像等大小的 全0图像， 将每一个光斑区域内的光斑像素空间坐标带入其所属的光斑区域的高斯分布函 数， 并进行归一 化， 得到该像素的标注值， 最终得到高斯 光斑标注图像； 然后建立高斯光斑检测神经网络， 其输入为采集的织物表面光斑图像， 输出为高斯光 斑区域图像， 然后将 高斯光斑区域图像与高斯光斑标注图像进行损失函数计算， 损失函数 采用均方差损失， 神经网络训练完 毕后， 输入采集的织物表 面光斑图像， 输出高斯光斑区域 图像； 所述对所述高斯光斑区域图像进行分析， 获取织物光斑区域图像， 根据所述织物光斑 区域图像获取激光束光强图像， 包括： 利用阈值法提取高斯光斑区域图像 中的光斑坐标， 大于光斑 阈值的像素值置为1， 代表 为高斯光斑坐标， 小于光斑阈值的值为0， 得到高斯光斑区域二值图像； 然后将高斯光斑区 域二值图像与织物 表面光斑图像进行相乘， 得到织物光斑区域图像； 利用基于Retinex理论的MSRCR  算法对织物光斑区域图像进行处理， 得到织物表面的 反射分量图像， 然后根据下述公式， 得到 激光束光强图像： I(x,y)代表织物光斑区域图像； L(x,y)代表激光束光强图像； R(x,y)表示织物表面的 反射分量图像， 所述激光束光强图像需要 进行归一 化操作； 所述根据所述织物光斑区域图像及所述激光束光强图像用贝叶斯混合高斯模型进行 拟合， 得到高斯 光束分布图像及高斯 光束的形态参数， 包括： 采用贝叶斯高斯混合模型对高斯光斑区域二值图像中的高斯光斑坐标及激光束光强 图像相应坐标 下的激光照射分量 值进行拟合， 最终得到多个高斯分布的均值与标准差； 然后获取每一个高斯分布的区域范围， 其中区域范围的中心为高斯分布中坐标的均 值， 坐标的标准差的两倍分别作为区域的长轴 、 短轴， 最终得到高斯 光束分布图像；权　利　要　求　书 1/2 页 2 CN 115308215 B 2对于高斯光束分布图像中每一个高斯光束分布区域进行椭圆拟合， 获取椭圆的特征参 数旋转角度， 每一个高斯光束分布 区域的长轴、 短轴与旋转角度作为该高斯光束的形态参 数； 所述基于所述高斯光束分布图像进行分析， 得到所述光强对称熵， 将所述高斯光束的 形态参数及所述 光强对称熵进行 结合获取时序的高斯 光束特征向量， 包括： 根据每个光斑区域的长轴、 短轴位置， 获取其长轴像素序列、 短轴像素序列， 并根据所 述长轴像素序列、 短轴像素序列分析每一对称 像素对的距离， 判断其是否为光 强对称分布， 得到长轴光强对称序列， 短轴光强对称序列； 对于每一个光强对称序列， 计算 其光强对称熵； 将每个光斑区域所对应的高斯分布的均值、 标准差及光强对称熵与高斯光束的形态参 数进行组合， 得到高斯 光束的特 征向量； 然后根据激光束的间距及织物织造机床的运动距离进行规定采样， 得到单个光斑在不 同传输位置上激光束的光斑 成像， 然后 将采样的图像的同一光斑位置的高斯光束 特征向量 按顺序排列， 组成时序的高斯 光束特征向量； 所述根据所述长轴像素序列、 短轴像素序列分析每一对称像素对的距离， 判断其是否 为光强对称分布， 得到 长轴光强对称序列， 短轴光强对称序列， 包括： 所述对称像素对是指序列中像素以中心点为对称的像素， 当对称像素对像素值的L1距 离小于该像素对所对应的对称阈值G时， 认为 其光强对称分布， 距离阈值的经验值 为： 为阈值常数， 需要人为根据激光束的标准大小进行调试， d为该对称像素对任一像素 点与中心点的距离， L 为序列中最大的像素点与中心点的距离； 当光强对称分布时， 置为1， 不符合时置为0， 最终得到一个光强对称序列， 然后对于长 轴像素序列、 短轴像素序列都进行 上述分析， 得到 长轴光强对称序列， 短轴光强对称序列； 所述对于每一个光强对称序列， 计算 其光强对称熵包括： 将光强对称序列中每两个相邻的序列值， 组成一个共生对， 然后求取每一种共生对的 概率， 最终得到光强对称共生矩阵； 然后计算下述 光强对称熵S： n为光强对称序列的个数， 表示第i个 光强对称序列第j个共生对的概率， 所述共生对 只分析包含0的共生对， k表示共生对的种类数量， 最终得到S越大， 表明光强分布非均匀程 度越大。 2.根据权利要求1所述的基于激光束的织物织造疵点检测方法， 其特征在于， 所述空间 光调节器打出的激光束为高斯 光束。权　利　要　求　书 2/2 页 3 CN 115308215 B 3