基于深度学习的化纤质量量化评估方法及系统与流程

本发明涉及深度学习领域，具体而言，涉及一种基于深度学习的化纤质量量化评估方法及系统。

背景技术：

1、在化纤生产领域，化纤丝饼的质量评估是保障产品质量的关键环节。化纤丝饼的质量状况直接影响到后续加工和最终产品的性能，因此准确、高效地对其进行质量评估具有重要意义。传统的化纤质量评估方法多依赖于人工检测。这种人工检测方式存在诸多弊端。首先，人工检测效率低下，面对大量的化纤丝饼，人工检测难以满足快速生产的需求，导致生产周期延长，增加了生产成本。其次，人工检测的准确性受检测人员的经验、疲劳程度等主观因素影响较大。不同的检测人员可能对同一丝饼的质量判断存在差异，这就使得质量评估结果缺乏一致性和稳定性。此外，人工检测难以实现对丝饼质量的量化评估，只能给出定性的结果，无法满足现代生产过程中对质量数据精确分析和追溯的要求。

2、随着计算机技术和图像处理技术的发展，基于机器视觉的化纤质量评估方法逐渐受到关注。机器视觉技术能够快速获取图像信息，并通过算法对图像进行分析，有望克服人工检测的诸多不足。然而，现有的基于机器视觉的化纤质量评估方法仍然面临一些挑战。例如，在处理化纤丝饼图像时，如何准确地提取图像特征并有效利用这些特征进行质量评估是一个亟待解决的问题。

技术实现思路

1、本发明的目的在于提供一种基于深度学习的化纤质量量化评估方法及系统，本发明是这样实现的：

2、第一方面，本发明提供一种基于深度学习的化纤质量量化评估方法，包括：获取待进行质量评估的化纤丝饼图像，并将所述化纤丝饼图像进行图像块拆分，获得多个丝饼图像分块；对所述多个丝饼图像分块进行图像特征提取得到图像特征序列，将图像整体标识插入所述图像特征序列，所述图像特征序列包括每个丝饼图像分块的多个图像特征；对所述图像特征序列中的多个图像特征实施自关注策略的关联特征提取，在关联特征提取时防止目标丝饼图像分块的多个图像特征对其他丝饼图像分块的多个图像特征的关注，获得所述图像特征序列中的多个图像特征的视觉隐式表示，所述目标丝饼图像分块是所述多个丝饼图像分块中的任一丝饼图像分块；通过所述图像整体标识的视觉隐式表示进行整体图像缺陷检测，获得所述多个丝饼图像分块的整体缺陷检测信息；通过所述目标丝饼图像分块的多个图像特征的视觉隐式表示进行局部图像缺陷检测，获得所述目标丝饼图像分块的局部缺陷检测信息；通过所述多个丝饼图像分块的整体缺陷检测信息以及所述目标丝饼图像分块的局部缺陷检测信息确定目标缺陷检测信息。

3、第二方面，本发明提供一种计算机系统，包括：一个或多个处理器；存储器；一个或多个计算机程序；其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序被所述处理器执行时，实现如上所述的方法。

4、本发明的有益效果：本发明对多个丝饼图像分块进行图像特征提取得到图像特征序列，对图像特征序列中的多个图像特征实施自关注策略的关联特征提取，完成整体语义的深度整合，在关联特征提取时，防止目标丝饼图像分块的多个图像特征对其他丝饼图像分块的多个图像特征的关注，可对目标丝饼图像分块挖掘局部语义，完成关联特征提取后，图像整体标识的视觉隐式表示表征了多个丝饼图像分块的整体语义。基于此，通过图像整体标识的视觉隐式表示进行整体图像缺陷检测，获得多个丝饼图像分块的整体缺陷检测信息，目标丝饼图像分块的多个图像特征的视觉隐式表示表征了目标丝饼图像分块的局部语义，基于此，通过目标丝饼图像分块的多个图像特征的视觉隐式表示进行局部图像缺陷检测，获得目标丝饼图像分块的局部缺陷检测信息。通过多个丝饼图像分块的整体缺陷检测信息和目标丝饼图像分块的局部缺陷检测信息确定目标缺陷检测信息，从而增加缺陷检测精度。

1.一种基于深度学习的化纤质量量化评估方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述对所述图像特征序列中的多个图像特征实施自关注策略的关联特征提取，在关联特征提取时防止目标丝饼图像分块的多个图像特征对其他丝饼图像分块的多个图像特征的关注，获得所述图像特征序列中的多个图像特征的视觉隐式表示，包括：

3.如权利要求2所述的方法，其特征在于，所述对所述图像特征序列中的多个图像特征进行自关注策略计算，包括：

4.如权利要求1所述的方法，其特征在于，所述对所述图像特征序列中的多个图像特征实施自关注策略的关联特征提取之前，所述方法还包括：

5.如权利要求4所述的方法，其特征在于，所述对所述图像特征序列中的每个图像特征进行量化表示，获得每个图像特征的隐式表示，包括：

6.如权利要求1所述的方法，其特征在于，所述对所述图像特征序列中的多个图像特征实施自关注策略的关联特征提取，在关联特征提取时防止目标丝饼图像分块的多个图像特征对其他丝饼图像分块的多个图像特征的关注，获得所述图像特征序列中的多个图像特征的视觉隐式表示，包括：

7.如权利要求1~6任一项所述的方法，其特征在于，所述整体图像缺陷检测为一致性检测过程，所述多个丝饼图像分块的整体缺陷检测信息为所述多个丝饼图像分块之间的一致性；所述局部图像缺陷检测为缺陷类型检测过程，所述目标丝饼图像分块的局部缺陷检测信息为所述目标丝饼图像分块的缺陷类型；

8.如权利要求7所述的方法，其特征在于，所述通过所述多个训练丝饼图像分块的整体缺陷检测信息以及所述目标训练丝饼图像分块的局部缺陷检测信息确定目标代价值，包括：

9.如权利要求8所述的方法，其特征在于，所述图像检测器实现所述方法的过程包括：

10.一种计算机系统，其特征在于，包括：