一种自适应锚框生成方法、布匹缺陷检测方法及装置

1.本发明属于布匹缺陷检测领域，具体涉及一种自适应锚框生成方法、布匹缺陷检测方法及装置。


背景技术：

2.在布匹缺陷智能识别的过程中，锚框的设计对于布匹缺陷检测起着非常重要的作用，现有技术中一直沿用人工设计锚框或者直接使用聚类的方法对锚框进行设计。然而在布匹缺陷检测任务中，人工设计所得锚框需要不断根据经验去调整，时间成本高。采用聚类的方法直接对锚框进行设计，计算出的锚框会集中在目标分布较为密集的区域，覆盖率不太可观。
3.在布匹缺陷检测方法中，对于遇到的新的数据集，如何设计出最佳的锚框组合，对于缺陷检测模型的精度起着决定性的作用。为了设计出更好地适用于布匹缺陷检测数据集的锚框，需要在传统聚类算法的基础上考虑覆盖率以及锚框的相似性，需要聚类、排序、分组采样算法配合进行。


技术实现要素：

4.为解决现有技术的不足，实现自适应锚框的设计，以提高锚框覆盖率、降低锚框相似性，从而提高布匹缺陷检测精度的目的，本发明采用如下的技术方案：
5.一种自适应锚框生成方法，包括如下步骤：
6.步骤s1：对布匹缺陷数据集图像的长度与宽度进行统计，得到布匹缺陷目标长宽分布图；
7.步骤s2：基于布匹缺陷目标长宽分布图设置多个聚类中心；
8.步骤s3：基于聚类中心对应的布匹缺陷目标长宽获取采样点，根据采样点设计一组锚框作为布匹缺陷检测的自适应锚框。
9.进一步地，所述步骤s2中，采用以下公式计算长宽聚类中心：
[0010][0011]
式中x表示布匹缺陷目标长宽分布图中待计算的聚类中心，μi表示第i个聚类中心周围点的平均值，s＝{s1,s
2,
…
,sk}表示计算出的k个聚类中心，通过不断迭代找到一组聚类中心，使得周围点到所属聚类中心的平均距离最小。
[0012]
进一步地，所述步骤s3中，采样点的获取，是将聚类中心对应的布匹缺陷目标的长度和宽度的比值进行排序，再对排序后的比值进行分段，每段为一组，从每组中选取采样点。
[0013]
进一步地，所述步骤s3中，采用升序对长度和宽度比值排序，每组第一个比值，以及最后一组第一个和最后一个比值作为采样点。
[0014]
一种布匹缺陷检测方法，基于所述的一种自适应锚框生成方法，还包括步骤s4：布匹缺陷检测模型基于自适应锚框，检测布匹缺陷。
[0015]
一种自适应锚框生成装置，包括统计分析模块、聚类模块和锚框生成模块；
[0016]
所述统计分析模块，对布匹缺陷数据集图像的长度与宽度进行统计，得到布匹缺陷目标长宽分布图；
[0017]
所述聚类模块，基于布匹缺陷目标长宽分布图设置多个聚类中心；
[0018]
所述锚框生成模块，基于聚类中心对应的布匹缺陷目标长宽获取采样点，根据采样点设计一组锚框作为布匹缺陷检测的自适应锚框。
[0019]
进一步地，所述聚类模块采用如下公式计算长宽聚类中心：
[0020][0021]
式中x表示布匹缺陷目标长宽分布图中待计算的聚类中心，μi表示第i个聚类中心周围点的平均值，s＝{s1,s
2,
…
,sk}表示计算出的k个聚类中心，通过不断迭代找到一组聚类中心，使得周围点到所属聚类中心的平均距离最小。
[0022]
进一步地，所述锚框生成模块中，采样点的获取，是将聚类中心对应的布匹缺陷目标的长度和宽度的比值进行排序，再对排序后的比值进行分段，每段为一组，从每组中选取采样点。
[0023]
进一步地，所述锚框生成模块中，采用升序对长度和宽度比值排序，每组第一个比值，以及最后一组第一个和最后一个比值作为采样点。
[0024]
一种布匹缺陷检测装置，包括布匹缺陷检测模型，所述布匹缺陷检测模型基于所述的一种自适应锚框生成装置得到的自适应锚框检测布匹缺陷。
[0025]
本发明的优势和有益效果在于：
[0026]
本发明的一种自适应锚框生成方法、布匹检测方法及装置，基于布匹缺陷图像数据集统计得到缺陷的长宽分布，然后通过聚类分析计算若干聚类中心，并根据长宽比排序、分组，采样得到长宽比组合以进行自适应的锚框设计，综合了聚类算法、覆盖率与锚框间的相似性，自适应地设计出针对布匹缺陷数据集的预定义锚框，从而使锚框设计结果准确可靠，提高了布匹缺陷检测的精度。
附图说明
[0027]
图1是本发明实施例中基于自适应锚框生成方法进行布匹缺陷检测的流程图。
[0028]
图2是本发明实施例中布匹缺陷数据集的聚类中心分布图。
[0029]
图3是本发明实施例中排序分组采样图。
[0030]
图4a是k-means聚类设计方法生成的锚框图。
[0031]
图4b是人工锚框设计方法生成的锚框图。
[0032]
图4c是本发明实施例中自适应锚框设计方法生成的锚框图。
具体实施方式
[0033]
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描
述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
[0034]
如图1所示，一种自适应锚框生成方法，包括如下步骤：
[0035]
步骤s1：对布匹缺陷数据集图像的长度与宽度进行统计，得到布匹缺陷目标长宽分布图；
[0036]
根据图2所示的布匹缺陷数据集的长宽分布可以看出，布匹缺陷长宽分布非常稀疏，且包括众多极端长宽比的缺陷，人工设计锚框去尽可能的覆盖布匹缺陷数据集时间成本较高，使用传统的k-means则聚类中心更多的聚集于稠密区域。
[0037]
步骤s2：基于布匹缺陷目标长宽分布图设置多个聚类中心；
[0038]
本发明实施例中，为尽可能地覆盖复杂多变的布匹缺陷，需要在同一个位置设计9种锚框。为了尽可能多的覆盖所有布匹缺陷目标，采用聚类算法生成72个聚类中心。
[0039]
采用以下公式计算长宽聚类中心：
[0040][0041]
式中x表示布匹缺陷目标长宽分布图中待计算的聚类中心，μi表示第i个聚类中心周围点的平均值，s＝{s1,s
2,
…
,sk}表示计算出的k个聚类中心，通过不断迭代找到一组聚类中心，使得周围点到所属聚类中心的平均距离最小；
[0042]
步骤s3：基于聚类中心对应的布匹缺陷目标长宽获取采样点，根据采样点设计一组锚框作为布匹缺陷检测的自适应锚框；
[0043]
采样点的获取，是将聚类中心对应的布匹缺陷目标的长度和宽度的比值进行排序，再对排序后的比值进行分段，每段为一组，从每组中选取采样点。采用升序对长度和宽度比值排序，每组第一个比值，以及最后一组第一个和最后一个比值作为采样点。
[0044]
本发明实施例中，将排序后的长宽比按照从小到大分为若干段，并在每一段内挑选最小长宽比值作为本段采样点，对于最后一段，段内最小值与最大值均作为采样点。排序后的长宽比及采样点如图3所示，自左上角至右下角为从小到大排序的长宽比值，每一行分为一段，每行最左侧格子为本段的最小长宽比值，即本段采样点。根据采样的长宽比设计出的锚框如图4a至图4c所示。
[0045]
一种布匹缺陷检测方法，基于一种自适应锚框生成方法，还包括步骤s4：布匹缺陷检测模型基于自适应锚框，检测布匹缺陷。
[0046]
本发明实施例中，利用基于cascade r-cnn的布匹缺陷检测模型来验证自适应锚框设计方法的合理性和准确性。人工锚框设计方法、传统k-means锚框设计方法、自适应锚框设计方法设计出的锚框长宽比如表1所示。
[0047]
表1三种锚框设计方法锚框结果对比
[0048][0049]
从图4a至图4c和表1可以看出，自适应锚框设计兼顾了缺陷目标的覆盖率以及尽
可能的降低锚框之间的相似性。
[0050]
如表2所示，使用自适应锚框设计方法，相对于人工锚框设计方法有0.4％平均准确率的提高，相对于k-means有0.8％平均准确率的提高，达到了55％的平均准确率。
[0051]
表2三种锚框设计方法统计表
[0052][0053]
由此可见，本发明能通过基于聚类、排序、分组采样的自适应锚框设计方法设计出适合于布匹缺陷数据集的锚框，设计出的锚框具有很好的准确性、可靠性，能够提高布匹缺陷检测的精度。
[0054]
一种自适应锚框生成装置，包括统计分析模块、聚类模块和锚框生成模块；
[0055]
统计分析模块，对布匹缺陷数据集图像的长度与宽度进行统计，得到布匹缺陷目标长宽分布图；
[0056]
聚类模块，基于布匹缺陷目标长宽分布图设置多个聚类中心；聚类模块采用如下公式计算长宽聚类中心：
[0057][0058]
式中x表示布匹缺陷目标长宽分布图中待计算的聚类中心，μi表示第i个聚类中心周围点的平均值，s＝{s1,s
2,
…
,sk}表示计算出的k个聚类中心，通过不断迭代找到一组聚类中心，使得周围点到所属聚类中心的平均距离最小。
[0059]
锚框生成模块，基于聚类中心对应的布匹缺陷目标长宽获取采样点，根据采样点设计一组锚框作为布匹缺陷检测的自适应锚框。采样点的获取，是将聚类中心对应的布匹缺陷目标的长度和宽度的比值进行排序，再对排序后的比值进行分段，每段为一组，从每组中选取采样点。采用升序对长度和宽度比值排序，每组第一个比值，以及最后一组第一个和最后一个比值作为采样点。
[0060]
一种布匹缺陷检测装置，包括布匹缺陷检测模型，布匹缺陷检测模型基于一种自适应锚框生成装置得到的自适应锚框检测布匹缺陷。
[0061]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的范围。

技术特征：
1.一种自适应锚框生成方法，其特征在于包括如下步骤：步骤s1：对布匹缺陷数据集图像的长度与宽度进行统计，得到布匹缺陷目标长宽分布图；步骤s2：基于布匹缺陷目标长宽分布图设置多个聚类中心；步骤s3：基于聚类中心对应的布匹缺陷目标长宽获取采样点，根据采样点设计一组锚框作为布匹缺陷检测的自适应锚框。2.根据权利要求1所述的一种自适应锚框生成方法，其特征在于：所述步骤s2中，采用以下公式计算长宽聚类中心：式中x表示布匹缺陷目标长宽分布图中待计算的聚类中心，μ
i
表示第i个聚类中心周围点的平均值，s＝{s1,s
2,
…
,s
k
}表示计算出的k个聚类中心，通过不断迭代找到一组聚类中心，使得周围点到所属聚类中心的平均距离最小。3.根据权利要求1所述的一种自适应锚框生成方法，其特征在于：所述步骤s3中，采样点的获取，是将聚类中心对应的布匹缺陷目标的长度和宽度的比值进行排序，再对排序后的比值进行分段，每段为一组，从每组中选取采样点。4.根据权利要求3所述的一种自适应锚框生成方法，其特征在于：所述步骤s3中，采用升序对长度和宽度比值排序，每组第一个比值，以及最后一组第一个和最后一个比值作为采样点。5.一种布匹缺陷检测方法，其特征在于：基于权利要求1至4任一项所述的一种自适应锚框生成方法，还包括步骤s4：布匹缺陷检测模型基于自适应锚框，检测布匹缺陷。6.一种自适应锚框生成装置，包括统计分析模块、聚类模块和锚框生成模块，其特征在于：所述统计分析模块，对布匹缺陷数据集图像的长度与宽度进行统计，得到布匹缺陷目标长宽分布图；所述聚类模块，基于布匹缺陷目标长宽分布图设置多个聚类中心；所述锚框生成模块，基于聚类中心对应的布匹缺陷目标长宽获取采样点，根据采样点设计一组锚框作为布匹缺陷检测的自适应锚框。7.根据权利要求6所述的一种自适应锚框生成装置，其特征在于：所述聚类模块采用如下公式计算长宽聚类中心：式中x表示布匹缺陷目标长宽分布图中待计算的聚类中心，μ
i
表示第i个聚类中心周围点的平均值，s＝{s1,s
2,
…
,s
k
}表示计算出的k个聚类中心，通过不断迭代找到一组聚类中心，使得周围点到所属聚类中心的平均距离最小。8.根据权利要求6所述的一种自适应锚框生成装置，其特征在于：所述锚框生成模块中，采样点的获取，是将聚类中心对应的布匹缺陷目标的长度和宽度的比值进行排序，再对
排序后的比值进行分段，每段为一组，从每组中选取采样点。9.根据权利要求8所述的一种自适应锚框生成装置，其特征在于：所述锚框生成模块中，采用升序对长度和宽度比值排序，每组第一个比值，以及最后一组第一个和最后一个比值作为采样点。10.一种布匹缺陷检测装置，包括布匹缺陷检测模型，其特征在于：所述布匹缺陷检测模型基于权利要求6至9任一项所述的一种自适应锚框生成装置得到的自适应锚框检测布匹缺陷。

技术总结
本发明公开了一种自适应锚框生成方法、布匹缺陷检测方法及装置，根据布匹缺陷数据集图像的长宽分布统计，在锚框覆盖率最大化的前提下聚类出众多聚类中心，再根据长宽比对聚类中心进行排序，并对排序后的聚类中心进行分组，在分组后的聚类中心中进行长宽比的采样，使用采样后的长宽比设计锚框，最后进行布匹缺陷检测。本发明通过聚类、排序、分组、采样的锚框自适应设计策略，综合了聚类算法、覆盖率与锚框间的相似性，自适应地设计出针对布匹缺陷数据集的预定义锚框，提高了锚框的覆盖率、降低了锚框的相似性，从而使锚框设计结果准确可靠，提高了布匹缺陷检测的精度。提高了布匹缺陷检测的精度。提高了布匹缺陷检测的精度。


技术研发人员：杨敬儒 王进 黄恺翔 陆国栋
受保护的技术使用者：浙江大学
技术研发日：2023.03.30
技术公布日：2023/7/22