CN119290896A 一种纺织物产品缺陷瑕疵检测方法及系统 （福建康臣日用品有限责任公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119290896A(43)申请公布日2025.01.10

(21)申请号202411815751.9

(22)申请日2024.12.11

GO6V10/82(2022.01)

(71)申请人福建康臣日用品有限责任公司

地址362000福建省泉州市丰泽区后茂工

业区后墩路55号

(72)发明人陈伟钦陈章荣吴艺敏

(51)Int.CI.

GO1N21/88(2006.01)

GO6T7/00(2017.01)

GO6T7/73(2017.01)

GO6V10/26(2022.01)

GO6V10/42(2022.01)

GO6V10/54(2022.01)

GO6V10/56(2022.01)

GO6V10/764(2022.01)

GO6V10/80(2022.01)权利要求书3页说明书11页附图1页

(54)发明名称

一种纺织物产品缺陷瑕疵检测方法及系统

(57)摘要

CN119290896A本发明公开了一种纺织物产品缺陷瑕疵检测方法及系统，包括：采集纺织物表面图像，并进行预处理；构建特征提取模型，提取纺织物表面缺陷的多模态特征；对提取的特征进行分析，分类出缺陷类型；定位缺陷位置，并标注缺陷区域和类型；输出缺陷检测报告，并根据检测结果优化模型参数。本发明通过多模态特征提取和反馈优化机制，显著提升了纺织物缺陷检测的分类准确率和定位精度，特别是在复杂和低对比度缺陷的检测中表现突出。本发明大幅提高了检测效

CN119290896A

采集纺织物表面图像，并进行预处

采集纺织物表面图像，并进行预处理

构建特征提取模型，提取纺织物表面缺陷的多模态特征

对提取的特征进行分析，分类出缺陷类型

定位缺陷位置，并标注缺陷区域和类型

输出缺陷检测报告，并根据检测结果优化模型参数

S3

CN119290896A权利要求书1/3页

2

1.一种纺织物产品缺陷瑕疵检测方法，其特征在于，包括：

采集纺织物表面图像，并进行预处理；

构建特征提取模型，提取纺织物表面缺陷的多模态特征；

对提取的特征进行分析，分类出缺陷类型；

定位缺陷位置，并标注缺陷区域和类型；

输出缺陷检测报告，并根据检测结果优化模型参数。

2.如权利要求1所述的纺织物产品缺陷瑕疵检测方法，其特征在于：所述采集纺织物表面图像包括，使用高分辨率工业相机对纺织物表面进行连续拍摄，生成高清图像；

通过多光谱光源照明技术优化图像采集质量，其中光源波长范围包括可见光与近红外光；

应用自动曝光控制技术对光照不均匀的区域进行动态调整；

对采集的图像进行切片处理，生成固定尺寸的图像块。

3.如权利要求2所述的纺织物产品缺陷瑕疵检测方法，其特征在于：所述预处理包括，对采集的图像进行灰度化处理，以突出纺织物表面的纹理特征；

使用基于中值滤波的去噪算法，消除图像中的随机噪声；

采用直方图均衡化技术增加图像对比度，改善瑕疵区域的可见性；

基于快速傅里叶变换对图像频域特性进行分析，滤除周期性干扰；

利用动态ROI划分方法，对图像中包含主要纺织物区域的部分进行裁剪。

4.如权利要求3所述的纺织物产品缺陷瑕疵检测方法，其特征在于：所述提取纺织物表面缺陷的多模态特征包括，构建基于卷积神经网络的多模态特征提取模型，所述多模态特征提取包含多个卷积层、池化层和全连接层，卷积层用于提取局部纹理特征，池化层用于降维并保留主要特征，全连接层实现特征融合；

通过卷积操作提取纺织物表面的局部纹理特征，并利用注意力机制增加低对比度区域的特征表达能力，以突出可能存在瑕疵的区域；

采用多通道颜色空间转换，将纺织物图像从RGB空间转换为HSV空间或其他颜色空间，并统计颜色直方图的分布特性，用于识别纺织物表面可能存在的色差或污染区域；

基于梯度分析方法提取纺织物表面的几何边缘特征，通过计算纺织物纹理的梯度强度和边缘方向，识别线性缺陷；

利用通道注意力和空间注意力机制对提取的多模态特征进行加权融合；

采用自适