(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210619462.6 (22)申请日 2022.06.02 (71)申请人 南通宝居富家用纺织品有限公司 地址 226000 江苏省南 通市通州经济开发 区油榨村 (72)发明人 侯亮　 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/187(2017.01) G06T 7/90(2017.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 基于数据识别图形的纺织布料智能印染方 法及系统 (57)摘要 本发明公开了一种基于数据识别图形的纺 织布料智能印染方法及系统， 涉及人工智能领 域。 主要包括： 获取染色后布料的表面图像并进 行处理获得多个图像块； 对图像块进行角点检测 获得关键点， 并根据各关键点对图像块进行超像 素分割获得色块； 分别根据各关键点对应的色块 以及邻接色块的颜色均值获得各关键点的透明 度； 将图像块中的关键点聚类成重影 关键点集合 以及非重影关键点集合； 将重影关键点集合的及 非重影关键点集合中关键点组成关键点组集合， 并进行KM匹配获得最佳关键点集合， 以根据最佳 关键点集合获得图像块的异常概率； 利用图像块 的异常概率分别判断各断图像块是否存在重影 缺陷， 进一步实现染色后布料中重影缺陷的检 测。 权利要求书2页 说明书8页 附图2页 CN 114862836 A 2022.08.05 CN 114862836 A 1.基于数据识别图形的纺织布料智能 印染方法， 其特 征在于， 包括： 获取染色后布料的表面图像并进行图像分割获得印花区域图像； 对所述印花区域图像进行连通域分析获得各连通 区域， 并将所述连通 区域划分为预设 尺寸的多个图像块； 对图像块进行角点检测获得图像块中的关键点， 并基于获取的各关键点对图像块进行 超像素分割得到分割后的色块， 分别根据各关键点对应的色块的颜色均值以及关键点的邻 接色块的颜色均值， 获得 各关键点的透明度； 根据关键点的透 明度将图像块中的所有关键点聚类成两类， 其中一类为重影关键点集 合， 该重影关键点 集合中的关键点的透明度高， 另一类为非重影关键点 集合； 利用重影关键点集合的关键点与在非重影关键点集合中随机抽取的重影关键点组成 关键点组集合， 所述 非重影关键点集合中随机抽取的重影关键点的个数与重影关键点集合 中关键点的个数相同； 对组成的关键点组集合进行KM匹配获得最佳关键点集合， 并利用各图像块中的最佳关 键点集合的匹配值、 偏移一致性及最佳关键点集合中关键点的透明度差异值， 计算各图像 块的异常概 率； 根据图像块的异常概率分别判断各图像块是否存在重影缺陷， 当至少一个图像块存在 重影缺陷时， 染色后布料中存在重影缺陷， 并将存在重影缺陷的图像块组成重影区域。 2.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法， 其特征在于， 对 组成的关键点组集 合进行KM匹配获得最佳关键点 集合， 包括： 对关键点组集合中关键点进行匹配获得各关键点对， 所述关键点对中包含一个非重影 关键点以及一个重影关键点； 将关键点对中非关键点的邻域内纹理分布与重影关键点的邻域内纹理分布的相似度 作为关键点对的权 重； 获得对关键点组集合中关键点进行匹配时各关键点对的权重， 并将各关键点对的权重 之和作为匹配结果的匹配值， 将匹配值取得最大时对应的匹配结果作为关键点组集合的待 选匹配结果； 获得各关键点组集合对应的各待选匹配结果的匹配值中的最大值， 将该最大值对应的 关键点组集 合作为最佳关键点 集合。 3.根据权利要求2所述的基于数据识别图形的纺织布料智能印染方法， 其特征在于， 利 用各图像块中的最佳关键点集合的匹配值、 偏移 一致性及最佳关键点集合中关键点的透明 度差异值， 计算各图像块的异常概 率， 包括： 式中 为图像块的异常概率， 表示图像块的最佳关键点集合的匹配值， 表示最佳关 键点集合的偏移一致性， 表示最佳关键点集合中关键点的透明度的差异均值， 表 示双曲线正切函数； 其中， 最佳关键点 集合的偏移一 致性权　利　要　求　书 1/2 页 2 CN 114862836 A 2式中 表示最佳关键点集合中所有关键点对的向量模长均值， 表示第i个关键点对 的向量模长， 表示第r个关键点对的向量， 表示第q个关键点对的向量， 为非重影关键 点集合中关键点的数量。 4.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法， 其特征在于， 分 别根据各关键点对应的色块的颜色均值以及关键点的邻接 色块的颜色均值， 获得各关键点 的透明度， 包括： 获得关键点对应的色块的颜色值以及该关键点的邻 接色块的颜色均值的方差； 所述颜 色均值包括在红、 绿以及蓝色通道中像素值的均值； 将所述方差的倒数作为关键点的透明 度。 5.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法， 其特征在于， 对 染色后布料的表面图像进行图像分割获得印花区域图像， 包括： 分别对红、 绿以及蓝色通道设置相应的预设阈值范围， 将染色后布料的表面图像中均 满足各通道相应的预设阈值范围的像素点的像素值保持不变， 并将染色后布料的表面图像 中在任一通道中不满足相应的预设阈值范围的像素点的像素点置0， 获得图像分割得到的 印花区域图像。 6.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法， 其特征在于， 根 据关键点的透明度将图像块中的所有关键点聚类成两类， 所采用的聚类方法为K ‑means。 7.根据权利要求1所述的基于数据识别图形的纺织布料智能印染方法， 其特征在于， 所 述方法还 包括： 根据重影缺陷常区域的分布情况确定形成重影缺陷的原因。 8.根据权利要求7所述的基于数据识别图形的纺织布料智能印染方法， 其特征在于， 根 据重影缺陷常区域的分布情况确定形成重影缺陷的原因， 包括： 根据预设时长 内的布料表面图像中不同位置出现在重影缺陷区域的频率， 生成重影缺 陷热图； 当重影缺陷热图中固定像素集合发生重影缺陷， 判断重影缺陷的原因为花筒未校对准 确； 当重影缺陷热图中单侧或全幅存在重影缺陷， 判断重影缺陷的原因为 织物张力异常。 9.根据权利要求8所述的基于数据识别图形的纺织布料智能印染方法， 其特征在于， 根 据重影缺陷常区域的分布情况确定形成重影缺陷的原因后， 所述方法还 包括： 当重影缺陷的原因为花筒未校对准确时， 不断调整花筒位置直至花筒位置调整后染色 后的布料中不存在重影缺陷； 当重影缺陷的原因为织物张力异常时， 对花筒进行压力检测并自动校核花筒两侧压 力， 直至重影消除。 10.基于图像识别的纺织布料智能印染系统， 包括： 存储器和处理器， 其特征在于， 所述 处理器执行所述存储器存储的计算机程序， 以实现如权利要求1 ‑9中任一项所述的基于数 据识别图形的纺织布料智能 印染方法。权　利　要　求　书 2/2 页 3 CN 114862836 A 3