摘要：本文采用深度學(xué)習(xí)技術(shù)，建立神經(jīng)網(wǎng)絡(luò)和數(shù)字圖像處理方法相結(jié)合的生絲質(zhì)量評(píng)分系統(tǒng)，統(tǒng)一完成生絲黑板法對(duì)勻度、清潔度、潔凈度的測(cè)量和評(píng)分過(guò)程。作為一種新的生絲黑板AI輔助判定系統(tǒng)，做到了黑板原始圖像可溯源、檢驗(yàn)數(shù)據(jù)可復(fù)現(xiàn)，生絲疵點(diǎn)識(shí)別更準(zhǔn)確，可以實(shí)現(xiàn)檢驗(yàn)過(guò)程智能化、信息化和可視化等。解決了目前生絲黑板完全靠人眼看、靠經(jīng)驗(yàn)評(píng)等問(wèn)題，最大限度減少生絲黑板檢驗(yàn)中人為因素影響，提高檢驗(yàn)效率，保證結(jié)果公正。
引 言
我國(guó)作為世界上最大的繭絲生產(chǎn)國(guó)和出口國(guó)，生絲產(chǎn)量占世界的70 %，生絲出口量占國(guó)際市場(chǎng)同類貿(mào)易量的80 %左右，在國(guó)民經(jīng)濟(jì)中具有重要地位。但作為繭絲類生產(chǎn)大國(guó)，我國(guó)在生絲檢測(cè)自動(dòng)化、智能化上研究不夠，目前國(guó)內(nèi)生絲檢測(cè)方法還是上世紀(jì)的水平，檢測(cè)過(guò)程復(fù)雜，檢測(cè)仍以人的主觀評(píng)價(jià)為主。
傳統(tǒng)的黑板檢測(cè)法仍然存在如下的缺點(diǎn)：
（1）檢測(cè)結(jié)果受檢驗(yàn)人員的主觀因素影響；
（2）人眼難以區(qū)分與標(biāo)準(zhǔn)樣片相近的絲條、難以觀察生絲表面更加微小的疵點(diǎn)；
（3）檢測(cè)結(jié)果可重復(fù)性差；
（4）檢測(cè)效率較低且培養(yǎng)一個(gè)熟練掌握生絲黑板打分方法的專家成本較高。
近年來(lái)圖像識(shí)別技術(shù)日新月異，人工智能在各領(lǐng)域應(yīng)用也廣泛深入，卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)在手寫(xiě)體字符識(shí)別、人臉檢測(cè)、行人檢測(cè)、語(yǔ)音識(shí)別、人體動(dòng)作識(shí)別、機(jī)器人導(dǎo)航等各個(gè)方面的應(yīng)用上獲得了顯著的成果。從2012年至今，各研究機(jī)構(gòu)利用數(shù)字圖像處理、機(jī)器視覺(jué)方法對(duì)傳統(tǒng)的生絲黑板檢測(cè)法進(jìn)行了大量的改進(jìn)，然而，深度學(xué)習(xí)方法依然沒(méi)有被應(yīng)用于其中，且現(xiàn)有的方法存在較多的問(wèn)題：
（1）生絲疵點(diǎn)分類粒度和精度有待提高；
（2）單獨(dú)測(cè)量生絲的勻度、清潔度和潔凈度；
（3）沒(méi)有對(duì)生絲的質(zhì)量進(jìn)行打分，無(wú)法獲得最終的生絲質(zhì)量打分結(jié)果。
因此本文建立一套采用深度學(xué)習(xí)技術(shù)，神經(jīng)網(wǎng)絡(luò)和數(shù)字圖像處理方法相結(jié)合的生絲質(zhì)量評(píng)分系統(tǒng)。
1、 生絲黑板檢測(cè)智能化技術(shù)的意義
生絲黑板檢測(cè)智能化技術(shù)的研究及其應(yīng)用將會(huì)對(duì)生絲檢測(cè)領(lǐng)域產(chǎn)生深遠(yuǎn)的影響：
（1）提升檢驗(yàn)結(jié)果的可重復(fù)性。該技術(shù)將生絲缺陷的識(shí)別、分類、評(píng)分標(biāo)準(zhǔn)數(shù)字化，提高檢測(cè)過(guò)程中各個(gè)指標(biāo)的量化程度，從而提高檢驗(yàn)結(jié)果的可重復(fù)性。
（2）提高檢驗(yàn)精度?；谏疃葘W(xué)習(xí)的圖像識(shí)別技術(shù)，能精確區(qū)分人眼難以識(shí)別的微小瑕疵點(diǎn)，減少漏檢、誤檢現(xiàn)象。
（3）提高檢驗(yàn)效率。人工智能識(shí)別技術(shù)能在數(shù)秒的時(shí)間內(nèi)完成所采集圖像上的缺陷識(shí)別、分類、評(píng)分。
（4）系統(tǒng)穩(wěn)定，判斷結(jié)果可靠。該技術(shù)是通過(guò)一個(gè)或者多個(gè)攝像機(jī)在標(biāo)準(zhǔn)規(guī)定條件下進(jìn)行圖像采集，干擾因素少，分析對(duì)象更加直觀。
（5）緩解用工壓力。在保證檢驗(yàn)正確率、提高檢驗(yàn)效率的前提下，減少檢驗(yàn)工作對(duì)人工的依賴。
（6）推動(dòng)生絲檢驗(yàn)行業(yè)檢驗(yàn)技術(shù)的革新。推動(dòng)人工檢驗(yàn)方法向智能化檢驗(yàn)方法轉(zhuǎn)型。
（7）普及生絲檢驗(yàn)技術(shù)在全產(chǎn)業(yè)鏈的應(yīng)用。智能檢驗(yàn)技術(shù)的研發(fā)和應(yīng)用， 會(huì)大大降低企業(yè)檢驗(yàn)成本，促進(jìn)企業(yè)通過(guò)自檢的手段提升產(chǎn)品品質(zhì)和企業(yè)競(jìng)爭(zhēng)力。
（8）奠定大數(shù)據(jù)應(yīng)用基礎(chǔ)。通過(guò)對(duì)大量檢驗(yàn)數(shù)據(jù)的整理、分析，可以為提高生絲品質(zhì)提供有力的技術(shù)和數(shù)據(jù)支持。
2、 生絲黑板智能化檢測(cè)系統(tǒng)
總體來(lái)說(shuō)該系統(tǒng)分為6個(gè)模塊，分別為控制模塊、成像模塊、圖像預(yù)處理、缺陷檢測(cè)、缺陷分類和質(zhì)量評(píng)分模塊。
控制模塊：對(duì)環(huán)境光源的光強(qiáng)和兩臺(tái)工業(yè)面陣相機(jī)的幀率、圖像大小、曝光時(shí)間參數(shù)進(jìn)行自動(dòng)化配置，使得兩臺(tái)工業(yè)面陣相機(jī)能在一定的光強(qiáng)下同步成像；定時(shí)發(fā)出脈沖控制信號(hào)，控制相機(jī)勻速運(yùn)動(dòng)采集黑板上的生絲表面圖像。
成像模塊：根據(jù)計(jì)算機(jī)模塊的脈沖信號(hào)，定時(shí)拍攝蠶絲表面實(shí)時(shí)圖像。
圖像預(yù)處理模塊：針對(duì)輸入的生絲表面圖像，首先采用均值濾波去除生絲黑板上的椒鹽噪聲（脈沖噪聲），對(duì)實(shí)時(shí)的圖像進(jìn)行直方圖均衡化。其次，將RGB圖像轉(zhuǎn)換到Y(jié)CrCb空間后，對(duì)Y通道進(jìn)行均衡化（其中Y代表亮度）。最后，對(duì)圖像進(jìn)行2倍降采樣處理，最終得到預(yù)處理后的生絲圖像。
缺陷檢測(cè)模塊：檢測(cè)生絲表面是否存在缺陷時(shí)，將預(yù)處理后的圖像進(jìn)行灰度化處理，并用閾值分割算法再次去除黑板噪聲；采用傅里葉變換及霍夫直線檢測(cè)的方式初篩生絲疵點(diǎn)特征，并通過(guò)形態(tài)學(xué)運(yùn)算的方式將篩選后的特征連接起來(lái)；再根據(jù)疵點(diǎn)的輪廓、面積、長(zhǎng)度等閾值范圍篩選出最終特征。
缺陷分類模塊：利用像素閾值分割算法，選中缺陷區(qū)域，并通過(guò)缺陷區(qū)域的面積、空洞數(shù)、長(zhǎng)度、缺陷區(qū)域的連通數(shù)等閾值范圍將生絲疵點(diǎn)分類。
質(zhì)量評(píng)分模塊：若存在缺陷，記錄缺陷，按照蠶絲缺陷扣分標(biāo)準(zhǔn)進(jìn)行質(zhì)量評(píng)分，并輸出與生絲評(píng)分對(duì)應(yīng)的蠶絲質(zhì)量等級(jí)。
3、 主要技術(shù)內(nèi)容
3.1 生絲表面微小缺陷成像系統(tǒng)的研發(fā)
采用軟硬件相結(jié)合的模式解決生絲表面多種缺陷成像問(wèn)題，硬件上采用多個(gè)相機(jī)、多個(gè)工位的設(shè)計(jì)模式，以滿足不同缺陷的成像要求；軟件上利用基于 SURF 的特征點(diǎn)圖像拼接算法、自適應(yīng)衰減濾波去偽影算法，突出顯示圖像中的缺陷。利用 ZEMAX 進(jìn)行光學(xué)設(shè)計(jì)仿真和優(yōu)化，確定系統(tǒng)各光學(xué)元件參數(shù)，搭建光學(xué)平臺(tái)。
3.2 高效率、高精度、弱對(duì)比生絲表面缺陷檢測(cè)模型的構(gòu)建
針對(duì)在圖像采集過(guò)程中產(chǎn)生的高斯噪聲，采用小波分析方法，將圖像進(jìn)行歸一化處理后，統(tǒng)一降噪處理。針對(duì)缺陷識(shí)別的問(wèn)題，采用深度殘差神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，構(gòu)建基于多尺度特征重建和上下文特征融合的多任務(wù)網(wǎng)絡(luò)模型，采用錨框自適應(yīng)等小目標(biāo)檢測(cè)技術(shù)，提升細(xì)小目標(biāo)缺陷的檢測(cè)精度；利用圖像增強(qiáng)技術(shù)，提高弱對(duì)比缺陷的區(qū)分度；采用網(wǎng)絡(luò)剪枝技術(shù)，構(gòu)建輕量級(jí)神經(jīng)網(wǎng)絡(luò)，提升缺陷檢測(cè)和識(shí)別效率。均勻度檢測(cè)理論思路：
1）生絲表面成像圖為灰度圖像，由于局部的分布不均或者其他問(wèn)題，會(huì)導(dǎo)致局部區(qū)域的灰度分布變化較大，通過(guò)計(jì)算圖像的灰度直方圖，計(jì)算像素值在一定區(qū)域內(nèi)的均值、方差，以此判定生絲均勻程度。
2）利用深度學(xué)習(xí)方法，將評(píng)級(jí)當(dāng)作分類類別，將圖像按照區(qū)塊劃分，對(duì)當(dāng)前區(qū)塊，采用卷積神經(jīng)網(wǎng)絡(luò)方法，進(jìn)行圖像分類打分。
3.3 基于深度學(xué)習(xí)的生絲缺陷圖像數(shù)據(jù)擴(kuò)充方法的開(kāi)發(fā)
針對(duì)樣本采集初期生絲表面缺陷數(shù)據(jù)較少的問(wèn)題，采用生成對(duì)抗網(wǎng)絡(luò)，解決因樣本量過(guò)少而導(dǎo)致的缺陷識(shí)別模型效果差的問(wèn)題。初期將少量的樣本在生成對(duì)抗網(wǎng)絡(luò)上進(jìn)行訓(xùn)練，得到大量類似的缺陷樣本數(shù)據(jù)。同時(shí)，利用遷移學(xué)習(xí)方法，將神經(jīng)網(wǎng)絡(luò)預(yù)先在與生絲表面較為相似的產(chǎn)品上進(jìn)行訓(xùn)練，再將得到的神經(jīng)網(wǎng)絡(luò)在生絲數(shù)據(jù)上訓(xùn)練，得到的效果會(huì)比單獨(dú)在生絲上的訓(xùn)練效果好?；谙冗M(jìn)的基準(zhǔn)檢測(cè)算法，實(shí)現(xiàn)異常圖像及區(qū)域的自動(dòng)化檢測(cè)，實(shí)現(xiàn)海量生絲圖像的自動(dòng)化標(biāo)注入庫(kù)管理。
3.4 基于雙目視覺(jué)的生絲黑板檢測(cè)智能評(píng)分系統(tǒng)的開(kāi)發(fā)
針對(duì)生絲缺陷在圖像上的定位問(wèn)題，采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像缺陷檢測(cè)，標(biāo)示出生絲缺陷存在的位置。采用多臺(tái)相機(jī)模擬多個(gè)角度的人眼觀看立體物體方式，多次矯正測(cè)量數(shù)據(jù)，提高生絲缺陷數(shù)據(jù)測(cè)量準(zhǔn)確性和評(píng)分準(zhǔn)確性。針對(duì)生絲產(chǎn)品，建立產(chǎn)品外觀缺陷識(shí)別、分類及評(píng)分標(biāo)準(zhǔn)。由于單目視覺(jué)測(cè)量物體尺寸，存在角度造成的視差，不滿足于生絲尺寸檢測(cè)這類精度要求較高的場(chǎng)合，因此，采用雙目視覺(jué)標(biāo)定，測(cè)量待測(cè)兩點(diǎn)的三維立體坐標(biāo)，利用三維立體坐標(biāo)，進(jìn)行尺寸測(cè)算，提高測(cè)量精度。
4、 結(jié) 論
本項(xiàng)目的研發(fā)可以解決黑板檢測(cè)過(guò)度依賴于人的問(wèn)題，可以及時(shí)矯正人為誤差，最大限度降低人的經(jīng)驗(yàn)對(duì)結(jié)果的影響，可以將暗室檢變?yōu)槠聊粰z，營(yíng)造更好的適宜于人的檢驗(yàn)環(huán)境，減輕人的勞動(dòng)強(qiáng)度，提高檢驗(yàn)效率?？梢詫?shí)現(xiàn)檢驗(yàn)過(guò)程信息化、可視化，可以對(duì)數(shù)據(jù)信息進(jìn)行挖掘分析，對(duì)質(zhì)量變化進(jìn)行研判，提高檢驗(yàn)數(shù)據(jù)的利用率。
京公網(wǎng)安備11010802046783號(hào)
