本發(fā)明屬于織物缺陷檢測，具體涉及改進(jìn)yolov8的織物缺陷檢測方法。

背景技術(shù)：

1、中國是世界上最大的紡織品制造國和出口國之一，同時(shí)紡織行業(yè)龐大的產(chǎn)業(yè)規(guī)模也對(duì)我國經(jīng)濟(jì)發(fā)展和社會(huì)穩(wěn)定起到了重要支撐作用。

2、在紡織品生產(chǎn)中，織物缺陷檢測是至關(guān)重要的一環(huán)，可有效提高紡織品質(zhì)量。其目的在于防止織物缺陷對(duì)布匹質(zhì)量產(chǎn)生負(fù)面影響，從而顯著影響紡織品的價(jià)值和銷售。長期以來，織物產(chǎn)品的質(zhì)量檢測一直依賴人工肉眼檢查，工作人員按照個(gè)人經(jīng)驗(yàn)檢查織物質(zhì)量，這種方式雖然可有效提高織物產(chǎn)品質(zhì)量，但仍存在諸多不足。首先，當(dāng)前社會(huì)老齡化趨勢明顯，勞動(dòng)力短缺已成為面臨的現(xiàn)實(shí)問題，而且紡織業(yè)這種體力勞動(dòng)強(qiáng)度大、工作環(huán)境棉纖維塵埃多的行業(yè)，對(duì)勞動(dòng)者的身體和心理健康構(gòu)成一定挑戰(zhàn)；其次，由于機(jī)械化程度不足，導(dǎo)致人工驗(yàn)布速度十分緩慢；此外，由于受檢測工人對(duì)缺陷主觀因素的影響，檢測結(jié)果缺乏客觀一致性以及準(zhǔn)確性，因而常常導(dǎo)致誤檢和漏檢。因此，人工肉眼的檢查方式已經(jīng)無法滿足目前紡織行業(yè)迅速發(fā)展的需求。并且隨著科技的不斷進(jìn)步，工業(yè)生產(chǎn)智能化程度日益提高，傳統(tǒng)的人工視覺檢測手段逐漸被淘汰，實(shí)現(xiàn)在生產(chǎn)過程中對(duì)織物缺陷的實(shí)時(shí)自動(dòng)檢測，已經(jīng)成為紡織生產(chǎn)過程中的迫切需求。

3、目前對(duì)于織物缺陷的檢測，國內(nèi)外專家學(xué)者進(jìn)行了大量研究，提出了很多方法。中國發(fā)明專利“一種針對(duì)色織物裁片缺陷區(qū)域的檢測方法”(申請(qǐng)公布號(hào)cn?111402197?a)公開了一種針對(duì)色織物裁片缺陷區(qū)域的檢測方法，該方法通過計(jì)算待測織物圖像與模型重構(gòu)圖像的殘差，進(jìn)行數(shù)學(xué)形態(tài)學(xué)分析，實(shí)現(xiàn)色織襯衫裁片的缺陷檢測和定位，可以有效避開缺陷樣本數(shù)量稀缺、缺陷種類不平衡、人工設(shè)計(jì)缺陷特征構(gòu)造成本高且特征泛化能力差等實(shí)際問題，但是只能處理一些非周期性的織物圖像缺陷，并且對(duì)于一些細(xì)微的缺陷，檢測精度不高。中國發(fā)明專利“基于高斯混合模型的織物缺陷檢測方法”(申請(qǐng)公布號(hào)cn114693652a)公開了一種基于高斯混合模型的織物缺陷檢測方法，該方法根據(jù)每塊待檢測織物的圖像對(duì)應(yīng)的累計(jì)距離曲線中變點(diǎn)的數(shù)量和變點(diǎn)對(duì)應(yīng)的像素值得到每塊待檢測織物圖像的缺陷區(qū)域，降低了誤檢率和漏檢率，無需再依賴人工對(duì)待檢測織物進(jìn)行缺陷檢測，但是該方法對(duì)于噪聲比較敏感，影響缺陷檢測的準(zhǔn)確性。中國發(fā)明專利“一種基于改進(jìn)yolov7-tiny網(wǎng)絡(luò)模型的織物缺陷檢測方法”(申請(qǐng)公布號(hào)cn?117173111?a)公開了一種基于改進(jìn)yolov7-tiny網(wǎng)絡(luò)模型的織物缺陷檢測方法，該方法基于yolov7-tiny網(wǎng)絡(luò)模型，結(jié)合spd-conv模塊和混合注意力模塊，構(gòu)建適于織物缺陷檢測的織物缺陷檢測模型，不僅可以提高織物缺陷檢測的精度，還可以大大減少計(jì)算量，但是缺乏缺陷檢測系統(tǒng)，不能直接進(jìn)行織物缺陷的實(shí)時(shí)檢測。

4、綜上所述，目前織物缺陷的檢測方法，沒有很好實(shí)現(xiàn)對(duì)織物缺陷進(jìn)行高精度檢測的同時(shí)，保持快速的實(shí)時(shí)性能；并且缺乏針對(duì)織物生產(chǎn)過程具體提出進(jìn)行實(shí)時(shí)檢測的方法，沒有完全可借鑒的有效實(shí)時(shí)檢測系統(tǒng)及實(shí)時(shí)檢測實(shí)驗(yàn)平臺(tái)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供改進(jìn)yolov8的織物缺陷檢測方法，解決目前織物缺陷檢測無法兼顧精度與實(shí)時(shí)檢測性能的雙重要求的問題，實(shí)現(xiàn)對(duì)紋理織物的高精度快速檢測。

2、為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案是：改進(jìn)yolov8的織物缺陷檢測方法，具體按照以下步驟實(shí)施：

3、步驟1，采用mosaic數(shù)據(jù)增強(qiáng)方法對(duì)織物數(shù)據(jù)集進(jìn)行擴(kuò)充；

4、步驟2，基于yolov8模型針對(duì)步驟1得到的織物數(shù)據(jù)集，分析其特點(diǎn)進(jìn)行改進(jìn)，提高yolov8模型的檢測性能；

5、步驟3，使用步驟2改進(jìn)后的yolov8模型并基于pyqt5軟件搭建織物缺陷檢測系統(tǒng)；

6、步驟4，基于rbtpb直線移動(dòng)設(shè)備搭建實(shí)驗(yàn)平臺(tái)；

7、步驟5，采用改進(jìn)的yolov8模型結(jié)合基于pyqt5軟件搭建的檢測系統(tǒng)以及基于rbtpb直線移動(dòng)設(shè)備的實(shí)驗(yàn)平臺(tái)進(jìn)行織物缺陷檢測。

8、作為本發(fā)明的一種優(yōu)選的技術(shù)方案，所述步驟1，具體按照以下步驟實(shí)施：

9、步驟1.1，采用labelimg對(duì)數(shù)據(jù)集進(jìn)行標(biāo)注，得到輸入的照片；

10、步驟1.2，對(duì)輸入的圖片進(jìn)行分割；

11、步驟1.3，對(duì)每個(gè)分割后的圖片的標(biāo)注框進(jìn)行調(diào)整，確保標(biāo)注框與分割后的圖片進(jìn)行匹配；

12、步驟1.4，將分割后的圖片，以四張為單元拼接成一個(gè)新的圖片；

13、步驟1.5，對(duì)新的圖片進(jìn)行色域變換，調(diào)整色調(diào)、飽和度和亮度；

14、步驟1.6，對(duì)所有分割后的標(biāo)注框進(jìn)行合并處理，得到新的圖片以及對(duì)應(yīng)的標(biāo)注框，即通過數(shù)據(jù)增強(qiáng)擴(kuò)充后的數(shù)據(jù)集；

15、步驟1.7，對(duì)擴(kuò)充后的數(shù)據(jù)集劃分為訓(xùn)練集、驗(yàn)證集、測試集，劃分比例為7：2：1。

16、作為本發(fā)明的一種優(yōu)選的技術(shù)方案，所述步驟2，具體按照以下步驟實(shí)施：

17、步驟2.1、通過convnext?v2模塊替換backbone中的c2f模塊，獲得yolov8-convnext?v2模型；

18、步驟2.2、以yolov8-convnext?v2模型為基礎(chǔ)，通過分析對(duì)比選擇添加gam注意力機(jī)制，獲得yolov8-convnext?v2-gam模型；

19、步驟2.3、以yolov8-convnext?v2-gam模型為基礎(chǔ)，通過將邊界框損失函數(shù)ciou替換為wiou，提出yolov8-convnext?v2-gam-wiou的織物缺陷檢測模型，即改進(jìn)后的yolov8模型。

20、作為本發(fā)明的一種優(yōu)選的技術(shù)方案，所述步驟3，具體按照以下步驟實(shí)施：

21、步驟3.1、通過qt?designer軟件搭建登錄與注冊(cè)界面；

22、步驟3.2、通過qt?designer軟件搭建缺陷檢測界面；

23、步驟3.3、通過qt?designer軟件搭建檢測結(jié)果展示界面；

24、步驟3.4、通過qt?designer軟件搭建結(jié)果保存界面；

25、步驟3.5、將步驟3.1-步驟3.4搭建界面的ui文件通過pyuic轉(zhuǎn)換為python文件，整合得到織物缺陷檢測系統(tǒng)。

26、作為本發(fā)明的一種優(yōu)選的技術(shù)方案，所述步驟4，具體按照以下步驟實(shí)施：

27、步驟4.1、在pc端安裝rbtpb直線移動(dòng)設(shè)備的控制卡驅(qū)動(dòng)；

28、步驟4.2、按rbtpb直線移動(dòng)設(shè)備的控制箱和平臺(tái)連接電纜標(biāo)示的標(biāo)簽正確進(jìn)行電氣連接并打開控制箱電源開關(guān)；

29、步驟4.3、在rbtpb直線移動(dòng)設(shè)備的控制卡快速測試工具上選擇好網(wǎng)卡及控制卡id，點(diǎn)擊“連接”，完成直線移動(dòng)設(shè)備與控制卡的連接；

30、步驟4.4、打開rbtpb直線移動(dòng)設(shè)備的可編程通用運(yùn)動(dòng)控制系統(tǒng)；

31、步驟4.5、在運(yùn)動(dòng)控制系統(tǒng)工作之前進(jìn)入rbtpb直線移動(dòng)設(shè)備的系統(tǒng)設(shè)置頁面，選擇與控制卡連接的網(wǎng)卡與控制卡的id，完成可編程通用運(yùn)動(dòng)控制系統(tǒng)與rbtpb直線移動(dòng)設(shè)備的連接。；

32、步驟4.6、進(jìn)入rbtpb直線移動(dòng)設(shè)備的零點(diǎn)設(shè)置界面對(duì)平移臺(tái)進(jìn)行零點(diǎn)設(shè)置，以方便點(diǎn)擊x/y/z軸負(fù)方向找零時(shí)，x/y/z軸自動(dòng)運(yùn)行到零點(diǎn)位置；

33、步驟4.7、進(jìn)入rbtpb直線移動(dòng)設(shè)備的手動(dòng)操作界面對(duì)對(duì)直線移動(dòng)設(shè)備進(jìn)行位置控制。采用[x+]、[y+]、…、等正方向點(diǎn)動(dòng)按鈕，按下時(shí)控制電機(jī)正方向轉(zhuǎn)動(dòng)；[x-]、[y-]、…、等負(fù)方向點(diǎn)動(dòng)按鈕，按下時(shí)控制電機(jī)負(fù)方向轉(zhuǎn)動(dòng)。

34、作為本發(fā)明的一種優(yōu)選的技術(shù)方案，所述步驟5，具體按照以下步驟實(shí)施：

35、步驟5.1，設(shè)置yolov8-convnext?v2-gam-wiou模型超參數(shù)；

36、步驟5.2，按步驟1中劃分好的數(shù)據(jù)集訓(xùn)練yolov8-convnext?v2-gam-wiou模型，保存模型權(quán)重；

37、步驟5.3，將模型權(quán)重添加到步驟3搭建的檢測系統(tǒng)中；

38、步驟5.4，運(yùn)行步驟3生成的python文件打開檢測系統(tǒng)；

39、步驟5.5，在檢測系統(tǒng)中打開攝像頭開關(guān)，從而打開步驟4搭建完成的實(shí)驗(yàn)平臺(tái)中的相機(jī)；

40、步驟5.6、進(jìn)行實(shí)時(shí)檢測。

41、本發(fā)明的有益效果是：本發(fā)明提出了基于yolov8模型改進(jìn)的織物缺陷檢測算法，主要是先通過convnext?v2模塊替換backbone中的c2f模塊，對(duì)織物缺陷實(shí)現(xiàn)多尺度特征提取，提高模型的檢測精度；接著針對(duì)織物缺陷不規(guī)則性和紋理干擾性的特點(diǎn)，通過分析對(duì)比選擇添加gam注意力機(jī)制；最后針對(duì)織物缺陷圖片類別不均衡的特點(diǎn)通過將邊界框損失函數(shù)ciou替換為wiou，進(jìn)一步提高了yolov8模型檢測準(zhǔn)確性和邊界框回歸性能；接著搭建了基于pyqt5軟件的檢測系統(tǒng)以及基于rbtpb直線移動(dòng)設(shè)備的實(shí)驗(yàn)平臺(tái)，針對(duì)織物生產(chǎn)過程中具體如何進(jìn)行實(shí)時(shí)檢測，提出一種有效的織物缺陷檢測方法。