买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东电网有限责任公司中山供电局

摘要：本发明公开了一种布匹瑕疵检测方法、系统、电子设备及存储介质，其中，方法包括：采集工业生产过程中由固定相机检测到的布匹瑕疵样本；定义瑕疵种类，并划分合理的瑕疵类别集合，标记瑕疵框位置，建立数据库；进行数据预处理；基于卷积神经网络的特征擦除与提取网络，是由多个残差块序列构成卷积神经网络，用于提取瑕疵特征；基于卷积神经网络的特征分类与定位网络，是由多个全连接层构成的卷积神经网络，分类网络和定位网络具有各自独立的网络结构，可以根据特征提取网络输出的特征向量，分类瑕疵的种类并定位瑕疵框位置。本发明解决了现有技术中布匹检测方法存在误报率高、计算成本高、速度慢的技术问题。

主权项：1.一种布匹瑕疵检测方法，其特征在于，包括：采集工业生产过程中由固定相机检测到的布匹瑕疵样本，其中每个布匹瑕疵样本由瑕疵图片和无瑕疵的模板图片序列组成；定义瑕疵种类，并划分合理的瑕疵类别集合，标记瑕疵框位置，建立数据库；数据预处理，包括数据清洗，去除无效数据和低质量数据，统一图像的尺寸，并同步放缩瑕疵框位置，图像归一化处理；基于卷积神经网络的特征擦除与提取网络，是由多个残差块序列构成卷积神经网络，用于提取瑕疵特征，包括：特征提取的模型定义为：，其中，和分别表示瑕疵图和模板图，表示特征提取网络，表示经过提取特征向量；基于卷积神经网络的特征擦除网络结构，特征擦除将每一层卷积神经网络卷积层提取的瑕疵图特征和模板图特征先进行特征对齐后，进行求差，通过不断学习瑕疵图和模板图之间的差异，去除噪声并提取瑕疵特征，可用下列公式代表：,其中，表示经过网络提取后的特征向量，为第层卷积神经网络，分别表示瑕疵向量和模板向量，表示特征对齐网络；在卷积神经网络网络层提取图像特征的过程中，在每一个卷积神经网络网络层不断用模板图的特征向量擦除瑕疵图向量，通过擦除噪声和无瑕疵的部分，增强瑕疵特征；基于余弦相似性的特征对齐方法，基于余弦相似性的特征对齐方法经过每一层卷积神经网络提取的特征向量，计算的余弦相似度,具体特征可用下列公式代表： ,其中，表示每个卷积神经网络特征提取网络层输出的瑕疵图特征和模板图特征，表示卷积操作；基于重构的对齐模块，通过模板图重构瑕疵图和通过瑕疵图重构模板图，实现特征提取网络模块对模板图和瑕疵图特征的对齐；基于卷积神经网络的特征分类与定位网络，是由多个全连接层构成的卷积神经网络，分类网络和定位网络具有各自独立的网络结构，可以根据特征提取网络输出的特征向量，分类瑕疵的种类并定位瑕疵框位置。

全文数据：

权利要求：

百度查询： 广东电网有限责任公司中山供电局 布匹瑕疵检测方法、系统、电子设备及存储介质