-
公开(公告)号:CN106023169A
公开(公告)日:2016-10-12
申请号:CN201610317758.7
申请日:2016-05-13
Applicant: 西安工程大学 , 广东溢达纺织有限公司
IPC: G06T7/00
CPC classification number: G06T2207/10004 , G06T2207/20132 , G06T2207/30124
Abstract: 本发明公开的一种基于图像匹配的制衣裁片对横条的方法,按照以下步骤实施:步骤1、图像采集;步骤2、对图像灰度化;步骤3、对图像进行阈值分割,获得若干个裁片二值图像;步骤4、对需要对横条的每对二值图像进行孔洞填充,消除裁片每对二值图像中的锯齿边缘;步骤5、每对裁片二值图像与原图作与运算,获得每对分割出的裁片图像;步骤6、对每对分割出的裁片图像进行裁片正方向校正;步骤7、选取每对其中一幅裁片待缝制中的区域作为模板;步骤8、匹配另一幅裁片待缝制区域,获得最大响应位置;步骤9、根据最大响应位置与模板原位置计算裁片移动距离,根据移动距离移动裁片,完成裁片对横条。该方法不需要以手工方式对横条。
-
公开(公告)号:CN106023169B
公开(公告)日:2019-02-19
申请号:CN201610317758.7
申请日:2016-05-13
Applicant: 西安工程大学 , 广东溢达纺织有限公司
IPC: G06T7/136
Abstract: 本发明公开的一种基于图像匹配的制衣裁片对横条的方法,按照以下步骤实施:步骤1、图像采集;步骤2、对图像灰度化;步骤3、对图像进行阈值分割,获得若干个裁片二值图像;步骤4、对需要对横条的每对二值图像进行孔洞填充,消除裁片每对二值图像中的锯齿边缘;步骤5、每对裁片二值图像与原图作与运算,获得每对分割出的裁片图像;步骤6、对每对分割出的裁片图像进行裁片正方向校正;步骤7、选取每对其中一幅裁片待缝制中的区域作为模板;步骤8、匹配另一幅裁片待缝制区域,获得最大响应位置;步骤9、根据最大响应位置与模板原位置计算裁片移动距离,根据移动距离移动裁片,完成裁片对横条。该方法不需要以手工方式对横条。
-
公开(公告)号:CN113902695B
公开(公告)日:2024-08-06
申请号:CN202111150794.6
申请日:2021-09-29
Applicant: 西安工程大学
IPC: G06T7/00 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种针对色织物裁片缺陷区域的检测方法,具体为:步骤1,构建注意力量子化变分自编码器模型;步骤2,将无缺陷色织衬衫裁片图像叠加噪声;步骤3,将叠加噪声之后的无缺陷色织衬衫裁片图像输入步骤1构建的注意力量子化变分自编码器模型中对模型训练,直到达到设定的迭代次数,得到训练好的注意力量子化变分自编码器模型;步骤4,将待检测的色织物裁片彩色图像输入至训练好的注意力量子化变分自编码器模型中输出对应的重构图像,再进行检测从而确定缺陷区域。本发明的一种针对色织物裁片缺陷区域的检测方法,解决了现有技术中存在的对复杂色织花型缺陷检测效果不佳的问题。
-
公开(公告)号:CN111402197B
公开(公告)日:2023-06-16
申请号:CN202010085913.3
申请日:2020-02-09
Applicant: 西安工程大学
IPC: G06T7/00 , G06T5/00 , G06T7/90 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明一种针对色织物裁片缺陷区域的检测方法,具体按照以下步骤实施:步骤1、每次随机选取待检测的色织物裁片彩色图像中的一张无缺陷图像,将该张无缺陷图像进行先叠加噪声,后输入至U型去噪卷积自编码模型中进行迭代处理,重复操作多次,直至U型去噪卷积自编码模型达到设定的迭代次数,得到训练好的U型去噪卷积自编码模型;步骤2、将所有待检测的色织物裁片彩色图像输入至训练好的U型去噪卷积自编码模型中输出各自对应的重构图像,再进行检测从而确定缺陷区域。本发明一种针对色织物裁片缺陷区域的检测方法,能够有效地对色织物图像重构修复,从而可以快速、准确地检测出色织物缺陷。
-
公开(公告)号:CN108984642B
公开(公告)日:2021-07-27
申请号:CN201810651428.0
申请日:2018-06-22
Applicant: 西安工程大学
IPC: G06F16/583 , G06K9/62
Abstract: 本发明公开了一种基于哈希编码的印花织物图像检索方法,具体为:首先,ImageNet数据集上进行有监督训练,得到AlexNet网络,并进行修改;对印花织物数据库进行预处理,之后对修改后的AlexNet网络进行fine‑tuning,之后提取每张图像的哈希二值编码,计算查询图像与数据库图像二值哈希编码之间的汉明距离,得到与查询图像最相似的m个池内图像;最后,计算池内m个图像与查询图像fc7层特征向量之间的欧式距离,提取出与最小欧式距离相对应的几幅图像,即为要检索的相似度最高的top k图像。该方法具有精度高、检索速度快、占用内存小的优点。
-
公开(公告)号:CN108333183B
公开(公告)日:2021-03-16
申请号:CN201810095070.8
申请日:2018-01-31
Applicant: 西安工程大学
IPC: G01N21/88
Abstract: 本发明公开了一种基于DCGAN和DCNN的色织衬衫裁片缺陷检测方法,根据企业提供的原样本库,进行DCGAN对抗生成得到新的色织缺陷图像,扩充了缺陷样本,可以有效的避免训练过程中产生的过拟合问题;通过调整超参数、网络结构等,训练了多种模型,通过对比选择适用于色织衬衫裁片缺陷检测的网络模型;将最终的优化网络模型嵌入在TETSON TX2中,形成一套完整的检测系统,能够对色织衬衫表面缺陷情况进行定位与分类,满足了工业生产检测环节的需求。
-
公开(公告)号:CN107169956B
公开(公告)日:2020-02-14
申请号:CN201710290830.6
申请日:2017-04-28
Applicant: 西安工程大学
Abstract: 本发明的公开了一种基于卷积神经网络的色织物疵点检测方法,本发明中使用的方法总共分为两个阶段:训练阶段和检测阶段。训练阶段是首先建立色织物疵点图像库,对图像进行预处理,削弱噪声和图像纹理的影响,再将图像及图像标签打包起来,然后建立建立基于AlexNet卷积神经网络的色织物疵点检测模型,包括图像卷积,池化,批归一化,全连接等一系列操作,提取出图像中疵点特征,改进网络模型的卷积核数目,层数,网络结构等,使得所建的卷积神经网络模型对测试图片预测的准确率进一步提高。使用深度学习的方法,建立卷积神经网络模型对色织物图像疵点进行检测,与传统方法相比,检测结果更加准确,可以更高效的实现色织物疵点的检测。
-
公开(公告)号:CN110120032A
公开(公告)日:2019-08-13
申请号:CN201910284929.4
申请日:2019-04-10
Applicant: 西安工程大学
Abstract: 本发明公开的基于相对总变差模型与MSER的织物毛球等级评价方法,首先,采集织物原始图像,进行预处理,消除图像光照不均匀现象的同时增强毛球边缘信息;其次,将处理后的图像采用相对总变差模型抑制织物的纹理信息,对织物的纹理结构进行有效消除;然后,采用MSER算法分割织物中的毛球区域,并消除毛球图像区域中的孤立像素点;最后计算毛球占比,建立毛球的评价等级实现毛球等级的客观评价。本发明公开的方法解决了现有方法在毛球分割时受光照不均以及纹理信息影响而不能准确分割毛球,导致不能准确评价毛球等级的问题,可以替代人工有效地完成织物毛球等级评价,能够满足实际的工业需求。
-
公开(公告)号:CN106702778B
公开(公告)日:2019-01-15
申请号:CN201611240634.X
申请日:2016-12-29
Applicant: 西安工程大学
Abstract: 本发明公开的基于固色碱剂和矿化酸剂的纤维素纤维原位矿化染色方法,是在中国发明专利纤维素纤维原位矿化深度节水减排染色后处理方法及助剂的基础上进行的补充和创新,其方法为:利用研制出的固色碱剂XGA和矿化酸剂XKH,使活性染料能对纤维素纤维正常固色,同时也能提高染色后原位矿化环节的效率。
-
公开(公告)号:CN105184777A
公开(公告)日:2015-12-23
申请号:CN201510507169.0
申请日:2015-08-18
Applicant: 西安工程大学
IPC: G06T7/00
CPC classification number: G06T7/001 , G06T2207/10004
Abstract: 本发明公开了一种基于图像分解的印花图案织物瑕疵检测方法,具体按照以下步骤实施:步骤1、采集印花图案织物的图像;步骤2、对步骤1采集到的图像进行预处理,即对图像增强得到目标图像I;步骤3、采用Gaussian回代交替方向法对步骤2中的目标图像I进行分解,分解为纹理部分v和瑕疵部分u。本发明是一种基于图像分解的印花图案织物瑕疵检测方法,采用基于Gaussian回代交替方向法的图像分解的印花图案织物的瑕疵检测方法,该方法通过凸优化模型的Gaussian回代交替方向法有效的分析解决图像分解目标函数,使图像的瑕疵部分可视化。
-
-
-
-
-
-
-
-
-