本技术涉及校服质量检测，具体涉及一种数字化校服加工生产线质量视觉检测方法。
背景技术：
1、在数字化浪潮的推动下，“校服智能化生产加工”成为了教育装备行业的一大创新点。借助智能化设备与信息化管理，生产流程得到优化，校服的质量与穿着体验均实现飞跃性提升。数字化校服加工生产线利用大数据、物联网等先进技术，实现了校服生产检测、订单跟踪、管理等全流程的智能化，为生产者提供快速便捷的生产数据录入及生产工艺流转，为领导者提供实时准确的生产数据，实现生产过程信息化，提高生产效率。
2、数字化校服加工后的成品校服进行视觉检测时，由于成品校服图像在拍摄过程中受到拍摄设备、光照条件以及摄影技术的限制，同时校服通常具有各种颜色、图案和纹理。通常需要对成品校服图像进行增强，使得成品校服的图像细节更加清晰可见，能够更准确地分析服装的面料质地、颜色一致性等特征，同时更容易检测到细微的质量问题。直方图均衡化是一种常见的图像增强技术，对输入图像计算局部直方图与累计分布函数，进而基于累计分布函数对图像内的像素进行直方图均衡化，在这一过程中通常需要对映射的灰度级参数进行设置，映射的灰度级参数过大可能会使得图像被过度增强，导致边缘过于锐利，从而出现图像失真，而映射的灰度级参数过小会限制对比度的增强效果同时限制图像中灰度变化的范围，使得原本应该突出的细微灰度差异无法显现。
技术实现思路
1、为了解决上述技术问题，本技术提供一种数字化校服加工生产线质量视觉检测方法，以解决现有的问题。
2、本技术的一种数字化校服加工生产线质量视觉检测方法采用如下技术方案：
3、本技术一个实施例提供了一种数字化校服加工生产线质量视觉检测方法，该方法包括以下步骤：
4、采集校服加工生产线上的成品校服图像及其灰度图像；
5、将成品校服的灰度图像进行区域分割和边缘检测，获取校服区域及其各个边缘线；
6、基于成品校服在最外围边缘线上存在的左右对称的结构，以及存在左右对称的角点数量，筛选出边缘线，从而将校服区域划分为若干个布匹区域；
7、结合布匹区域内的角点数量，以及布匹区域内出现的断裂线段的数量和长度，确定布匹区域的复杂度；
8、结合布匹区域的复杂度，以及布匹区域内每个像素点的局部灰度差异，确定布匹区域内每个像素点的信息丰富度；
9、基于布匹区域内所有像素点的信息丰富度以及预设映射灰度级，确定每个布匹区域调整后的映射灰度级；
10、基于调整后的映射灰度级采用直方图均衡化对成品校服图像进行增强，将增强后的成品校服图像输入神经网络输出校服质量等级。
11、优选地，所述基于成品校服在最外围边缘线上存在的左右对称的结构，以及存在左右对称的角点数量，筛选出边缘线，从而将校服区域划分为若干个布匹区域，包括：
12、基于成品校服在最外围边缘线上存在的左右对称的结构，获取校服区域的对称线，将校服区域划分为第一区域和第二区域；
13、将在第一区域与第二区域内存在位置对称关系的角点，确定为特征角点；
14、基于边缘线上的特征角点数量筛选边缘线，同时结合从而将校服区域划分为若干个布匹区域。
15、优选地，所述校服区域的对称线的获取方法包括：
16、获取校服区域的最小外接矩形的中心点作为校服区域的中心点；
17、所述对称线为过校服区域的中心点的直线；同时，所述过校服区域的中心点的直线作为对称线还需要满足的条件为：
18、将所述直线记为待选对称线；
19、在待选对称线上获取若干个采样点，过采样点作待选对称线的垂线，垂线与校服区域最外围的边缘线相交于两个交点；
20、分别计算两个交点与校服区域的中心点之间的距离的差异，作为对应采样点的对称偏差值；
21、将所有采样点的对称偏差值的累加和作为待选对称线的对称偏差度；
22、选择对称偏差度最小的待选对称线，作为校服区域的对称线。
23、优选地，所述将在第一区域与第二区域存在对称关系的角点，确定为特征角点，包括：
24、获取校服区域的边缘线上的角点；
25、对于任意一个角点，获取其与中心点为起点组成的向量，获取每个向量与对称线的夹角；
26、对于分别在两个区域的任意两个角点，计算两个角点的向量之间的模长差异和夹角差异的乘积的倒数，作为任意两个角点之间的一致性；
27、将一致性最大的任意两个角点互相作为对称角点；
28、将所有存在对称角点分别记为特征角点。
29、优选地，所述基于边缘线上的特征角点数量筛选边缘线，从而将校服区域划分为若干个布匹区域，包括：
30、将存在预设数量及以上的特征角点的边缘线，记为特征边缘线；
31、将特征边缘线、校服区域最外围的边缘线以及对称线围成的封闭区域，分别记为布匹区域。
32、优选地，所述布匹区域的复杂度的确定方法包括：
33、基于布匹区域内的线段分布特点，确定布匹区域内每个断裂线段的长度；
34、计算布匹区域内所有断裂线段的长度的累加和，记为第一因子；
35、将布匹区域内的角点数量，记为第二因子；
36、将布匹区域内的断裂线段的数量，记为第三因子；
37、将第一、第二和第三因子进行融合，得到布匹区域的复杂度。
38、优选地，所述布匹区域内每个断裂线段的长度的确定方法包括：
39、检测布匹区域内的线段；
40、计算布匹区域中每个线段与对称线之间的夹角，将出现频率最大的夹角作为布匹区域的纹理角度；
41、将具有纹理角度的线段沿纹理角度作延长线，若延长线经过布匹区域内的其他具有纹理角度的线段，计算具有纹理角度的线段之间的最短距离，记为断裂线段的长度。
42、优选地，所述信息丰富度的确定方法包括：
43、将布匹区域内的断裂线段上的像素点，记为断裂像素点，将布匹区域除断裂像素点外的像素点记为正常像素点；
44、对于布匹区域中的正常像素点，获取正常像素点沿纹理角度所在直线上邻近预设数量个像素点，组成正常像素点的邻域；
45、对于布匹区域中的断裂像素点，获取以断裂像素点为中心的预设尺寸的窗口内的像素点，组成断裂像素点的邻域；其中，两个邻域内的像素点数量需要保持一致；
46、获取布匹区域内每个像素点在其对应邻域内的lbp值的十进制值，作为每个像素点的局部灰度差异；
47、将布匹区域内每个像素点的局部灰度差异以及布匹区域的复杂度进行融合，得到布匹区域内对应像素点的信息丰富度。
48、优选地，所述每个布匹区域调整后的映射灰度级的确定方法包括：
49、计算布匹区域内所有像素点的信息丰富度的均值，计算均值的归一化值与预设调整系数的和值，将和值与预设映射灰度级的乘积，作为对应布匹区域调整后的映射灰度级。
50、优选地，所述基于调整后的映射灰度级采用直方图均衡化对成品校服图像进行增强，将增强后的成品校服图像输入神经网络判断校服质量等级，包括：
51、将每个布匹区域调整后的映射灰度级作为直方图均衡化过程中对应布匹区域的灰度映射级数，将剩余区域采用预设映射灰度级进行灰度映射，对成品校服图像进行直方图均衡化，得到增强后的成品校服图像。
52、本技术至少具有如下有益效果：
53、本技术中通过对区域分割以及边缘检测算法，提取出校服区域和其中的边缘线，通过校服对称的结构特性以及校服标识信息，将其分割成不同的布匹区域，使得布匹区域分割结果更加符合实际校服结构；基于布匹特性对布匹内细线断裂现象进行判断，基于布匹的细线断裂以及边缘特性构建布匹区域的复杂度，从整体角度衡量布匹区域的复杂情况；同时，结合布匹区域内像素点局部纹理信息构建像素点的信息丰富度，从局部角度衡量校服细节程度；通过结合整体和局部的布匹区域分析，自适应对映射灰度级参数进行调节，获取每个布匹区域最优的映射灰度级参数，进而基于映射灰度级参数完成直方图均衡化，在保留校服表面纹理特征信息与缺陷特征信息的同时，增强后的成品校服图像提高了图像对比度和图像质量，进而提高了校服生产质量视觉检测精度与效率。
1.一种数字化校服加工生产线质量视觉检测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述基于成品校服在最外围边缘线上存在的左右对称的结构，以及存在左右对称的角点数量，筛选出边缘线，从而将校服区域划分为若干个布匹区域，包括：
3.如权利要求2所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述校服区域的对称线的获取方法包括：
4.如权利要求2所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述将在第一区域与第二区域存在对称关系的角点，确定为特征角点，包括：
5.如权利要求2所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述基于边缘线上的特征角点数量筛选边缘线，从而将校服区域划分为若干个布匹区域，包括：
6.如权利要求1所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述布匹区域的复杂度的确定方法包括：
7.如权利要求6所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述布匹区域内每个断裂线段的长度的确定方法包括：
8.如权利要求7所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述信息丰富度的确定方法包括：
9.如权利要求1所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述每个布匹区域调整后的映射灰度级的确定方法包括：
10.如权利要求1所述的一种数字化校服加工生产线质量视觉检测方法，其特征在于，所述基于调整后的映射灰度级采用直方图均衡化对成品校服图像进行增强，包括：
