摘要
本发明涉及纺织检测技术领域,特别涉及一种区分缺陷的纺织提花检测系统及方法,所述方法包括:采集并记录纱线张力数据和纱线振动频率,采集图像数据和多光谱成像数据;提取图像数据中的花型纹理特征,检测颜色一致性;对多光谱成像数据进行纹理特征提取,进行纹理均匀性分析;对图像数据进行二值化处理,检测边缘梯度;提取筘痕与方眼的几何特征,进行振动频谱分析;利用YOLO算法标注边撑疵位置坐标,建立边撑压力与边撑疵出现概率关系模型;结合上述步骤基于神经网络建立多模态数据融合模型,判断提花织物成品是否存在缺陷。本发明通过多模态数据融合模型能充分挖掘不同类型数据的内在联系,提高检测准确性与鲁棒性,让检测结果更可靠。
技术关键词
区分缺陷
多模态数据融合
光谱成像
纹理特征提取
提花织物
Gabor滤波器
振动频谱分析
图像
Canny算子
YOLO算法
LBP特征
纱线
边缘检测算法
纺织检测技术
小波去噪方法
构建数学模型
高层语义特征
系统为您推荐了相关专利信息
电力交易数据
配电网负荷预测
交易特征
电力交易市场
参数
多模态数据采集
多模态数据融合
社交媒体平台
管理系统
人机协同
多模态数据融合
智能应急
资源消耗量
调度系统
生成资源
多尺度对比度
多模态数据采集
多模态数据融合
深度学习模型
创伤模型
多模态影像数据
关联分析方法
变分自动编码器
条件生成对抗网络
多模态数据融合