一种线缝检测方法、装置、电子设备及存储介质

本技术涉及机器视觉、图像识别和图像处理的，具体而言，涉及一种线缝检测方法、装置、电子设备及存储介质。

背景技术：

1、目前的机器使用红外探边传感器通常只能检测到待缝材料(例如布料)的外边沿，这些机器例如：定型机、拉幅机、涂层机、裁床、铺布机和验布机等等。具体地，使用两组红外探边传感器的发射管来发射出红外线，红外线在遇到待缝材料时，就会反射给红外探边传感器的接收管，这两组红外探边传感器通常安装在待缝材料的正上方。若两组红外探边传感器均能接收到反射的红外线，则确认待缝材料已偏离，同理地，若两组红外探边传感器均不能接收到反射的红外线，则确认待缝材料已偏离，只有一组红外探边传感器能接收到反射的红外线，且另一组红外探边传感器不能接收到反射的红外线时，才能确认没有偏离。然而，已经缝边的待缝材料在卷边的工序中，很难检测到该待缝材料的内边缘，即难以检测到待缝材料与另一种材料(例如边饰)之间的线缝。

技术实现思路

1、本技术实施例的目的在于提供一种线缝检测方法、装置、电子设备及存储介质，用于改善难以检测到待缝材料与另一种材料之间的线缝的问题。

2、本技术实施例提供了一种线缝检测方法，包括：获取待处理图像，待处理图像是对目标线缝进行拍摄获得的，目标线缝是对多个待缝材料缝制获得的；使用神经网络模型对待处理图像中的线缝端点坐标进行检测，获得目标线缝的端点坐标，神经网络模型是以线缝端点坐标为样本标签训练获得的；将目标线缝的端点坐标相互连接，获得目标线缝。在上述方案的实现过程中，使用以线段端点为样本标签训练获得的神经网络模型，对待处理图像中的线缝端点坐标进行检测，并将检测出来的目标线缝的端点坐标相互连接，从而识别出待缝材料在缝制时的目标线缝，避免了使用红外探边传感器只能检测到材料外边沿的情况，有效地识别出待缝材料在缝制时的线缝。

3、可选地，在本技术实施例中，神经网络模型包括：多个特征提取分支；使用神经网络模型对待处理图像中的线缝端点坐标进行检测，包括：使用多个特征提取分支分别对待处理图像进行特征提取，获得多个图像特征；对多个图像特征进行融合，获得图像融合特征；对图像融合特征进行线缝端点坐标映射，获得线缝端点坐标。在上述方案的实现过程中，通过使用神经网络模型中的多个特征提取分支分别对待处理图像进行特征提取、特征融合和坐标映射，从而提取出待处理图像在不同多个特征提取分支层面上表现形式的图像特征，从而有效地增加了识别出待缝材料在缝制时的线缝的正确率。

4、可选地，在本技术实施例中，在使用神经网络模型对待处理图像中的线缝端点坐标进行检测之前，还包括：获取多个样本图像和多个样本标签，样本标签是对样本图像中的线缝端点坐标进行标注获得的；以多个样本图像为训练数据，以多个样本标签为训练标签，对神经网络进行训练，获得神经网络模型。在上述方案的实现过程中，通过使用对样本图像中的线缝端点坐标进行标注获得的样本标签来训练神经网络，从而使得获得的神经网络模型能够检测出目标线缝的端点坐标，避免了使用红外探边传感器只能检测到材料外边沿的情况，有效地识别出待缝材料在缝制时的线缝。

5、可选地，在本技术实施例中，对神经网络进行训练，包括：使用神经网络对样本图像中的线缝端点坐标进行预测，获得预测出的线缝端点坐标；计算预测出的线缝端点坐标与样本标签中的线缝端点坐标之间的损失值；根据损失值对神经网络进行训练。在上述方案的实现过程中，通过预测出的线缝端点坐标与样本标签中的线缝端点坐标之间的损失值对神经网络进行训练，从而使得获得的神经网络模型能够检测出目标线缝的端点坐标，避免了使用红外探边传感器只能检测到材料外边沿的情况，有效地识别出待缝材料在缝制时的线缝。

6、可选地，在本技术实施例中，在获得目标线缝的端点坐标之后，还包括：判断目标线缝的端点坐标的所在直线倾斜角度是否超出预设角度范围；若是，则调整目标线缝，以使目标线缝的端点坐标的所在直线倾斜角度在预设角度范围内。在上述方案的实现过程中，通过在目标线缝的倾斜角度超出预设角度范围的情况下，就调整目标线缝，从而避免了目标线缝发生偏离导致待缝材料加工不合格的问题，有效地提高了加工待缝材料的合格率。

7、可选地，在本技术实施例中，在获得目标线缝之后，还包括：判断目标线缝的倾斜角度与预设直线的倾斜角度之间的角度差值是否大于预设角度阈值；若是，则调整目标线缝，以使目标线缝的倾斜角度与预设直线的倾斜角度之间的角度差值小于预设角度阈值。在上述方案的实现过程中，通过在目标线缝的倾斜角度与预设直线的倾斜角度之间的角度差值大于预设角度阈值的情况下，就调整目标线缝，从而避免了目标线缝发生偏离导致待缝材料加工不合格的问题，有效地提高了加工待缝材料的合格率。

8、可选地，在本技术实施例中，待缝材料包括：布料、皮革和/或塑料。

9、本技术实施例还提供了一种线缝检测装置，包括：处理图像获取模块，用于获取待处理图像，待处理图像是对目标线缝进行拍摄获得的，目标线缝是对多个待缝材料缝制获得的；线缝端点检测模块，用于使用神经网络模型对待处理图像中的线缝端点坐标进行检测，获得目标线缝的端点坐标，神经网络模型是以线缝端点坐标为样本标签训练获得的；目标线缝获得模块，用于将目标线缝的端点坐标相互连接，获得目标线缝。

10、可选地，在本技术实施例中，神经网络模型包括：多个特征提取分支；线缝端点检测模块，包括：图像特征获取子模块，用于使用多个特征提取分支分别对待处理图像进行特征提取，获得多个图像特征；融合特征获得子模块，用于对多个图像特征进行融合，获得图像融合特征；端点坐标获得子模块，用于对图像融合特征进行线缝端点坐标映射，获得线缝端点坐标。

11、可选地，在本技术实施例中，线缝检测装置，还包括：图像标签获取模块，用于获取多个样本图像和多个样本标签，样本标签是对样本图像中的线缝端点坐标进行标注获得的；神经网络训练模块，用于以多个样本图像为训练数据，以多个样本标签为训练标签，对神经网络进行训练，获得神经网络模型。

12、可选地，在本技术实施例中，神经网络训练模块，包括：端点坐标预测子模块，用于使用神经网络对样本图像中的线缝端点坐标进行预测，获得预测出的线缝端点坐标；损失值计算子模块，用于计算预测出的线缝端点坐标与样本标签中的线缝端点坐标之间的损失值；根据损失训练子模块，用于根据损失值对神经网络进行训练。

13、可选地，在本技术实施例中，线缝检测装置，还包括：倾斜角度判断模块，用于判断目标线缝的端点坐标的所在直线倾斜角度是否超出预设角度范围；目标线缝调整模块，用于若目标线缝的端点坐标的所在直线倾斜角度超出预设角度范围，则调整目标线缝，以使目标线缝的端点坐标的所在直线倾斜角度在预设角度范围内。

14、可选地，在本技术实施例中，线缝检测装置，还包括：判断目标线缝的倾斜角度与预设直线的倾斜角度之间的角度差值是否大于预设角度阈值；若是，则调整目标线缝，以使目标线缝的倾斜角度与预设直线的倾斜角度之间的角度差值小于预设角度阈值。

15、可选地，在本技术实施例中，待缝材料包括：布料、皮革和/或塑料。

16、本技术实施例还提供了一种电子设备，包括：处理器和存储器，存储器存储有处理器可执行的机器可读指令，机器可读指令被处理器执行时执行如上面描述的方法。

17、本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上面描述的方法。

18、本技术实施例的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术实施例了解。