纺织品起毛起球级别检测方法、装置、设备和可读介质

本公开的实施例涉及计算机，具体涉及纺织品起毛起球级别检测方法、装置、设备和可读介质。

背景技术：

1、纺织品起毛起球级别检测对纺织品生产具有重要的意义，纺织品起毛起球级别检测，是对纺织品起毛起球程度进行检测的一项技术。目前，在对纺织品起毛起球程度进行检测时，通常采用的方式为：通过纺织品的二维图像，对纺织品进行纺织品起毛起球级别检测。

2、然而，当采用上述方式对纺织品进行纺织品起毛起球级别检测时，经常会存在如下技术问题：

3、第一，通过纺织品的二维图像，对纺织品进行纺织品起毛起球级别检测，二维图像在成像时受到环境变化和视角变化的影响较大，如在光照较暗的情况下，起毛起球可能显得更难以分辨，导致纺织品起毛起球级别检测信息的准确性较差。同时，视角的变化可能会导致纺织品在图像中的形变或者表面纹理的变化，这可能使得起毛起球在不同角度下的外观有所不同，可能会导致纺织品起毛起球级别检测结果不稳定。

4、继续地，在采用技术方案来解决上述技术问题一的过程中，往往又会伴随着如下技术问题：在对纺织品进行起毛起球级别检测之前，需要对初始物品识别网络进行训练。对初始物品识别网络进行训练的解决方案一般是：直接采用包括对应识别物体的未经处理的点云数据，对初始物品识别网络进行训练。然而，上述常规解决方案直接采用包括对应识别物体的未经处理的点云数据，对初始物品识别网络进行训练，依然存在如下问题：

5、第二，直接采用对应识别物体的未经处理的点云数据，对初始物品识别网络进行训练，识别物体的点云数据通常包括大量的数据点信息，增加了模型训练的计算复杂度和计算资源需求，造成了计算机算力资源的浪费。

6、该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

2、本公开的一些实施例提出了纺织品起毛起球级别检测方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

3、第一方面，本公开的一些实施例提供了一种纺织品起毛起球级别检测方法，该方法包括：获取初始点云训练样本集；对上述初始点云训练样本集进行点云过滤处理，得到目标点云训练样本集；根据上述目标点云训练样本集，对初始物品识别网络进行第一训练，得到训练完成的初始物品识别模型；将训练完成的初始物品识别模型确定为待训练纺织品起毛起球级别检测模型；获取纺织品点云训练样本集；根据上述纺织品点云训练样本集，对上述待训练纺织品起毛起球级别检测模型进行第二训练，得到训练完成的待训练纺织品起毛起球级别检测模型；将训练完成的待训练纺织品起毛起球级别检测模型确定为纺织品起毛起球级别检测模型；采集待检测纺织品的三维点云数据作为待检测纺织品点云数据，其中，上述待检测纺织品点云数据包括各个数据点信息，上述各个数据点信息中的每个数据点信息包括坐标位置信息、颜色信息；对上述待检测纺织品点云数据进行分割处理，得到点云块信息集，其中，上述点云块信息集中的每个点云块信息包括各个数据点信息；对于上述点云块信息集中的每个点云块信息，将上述点云块信息输入至上述纺织品起毛起球级别检测模型，得到对应上述点云块信息的纺织品局部起毛起球级别信息；基于所得到的各个纺织品局部起毛起球级别信息，生成对应上述待检测纺织品的纺织品起毛起球级别检测信息。

4、第二方面，本公开的一些实施例提供了一种纺织品起毛起球级别检测装置，装置包括：第一获取单元，被配置成获取初始点云训练样本集；点云过滤处理单元，被配置成对上述初始点云训练样本集进行点云过滤处理，得到目标点云训练样本集；第一训练单元，被配置成根据上述目标点云训练样本集，对初始物品识别网络进行第一训练，得到训练完成的初始物品识别模型；第一确定单元，被配置成将训练完成的初始物品识别模型确定为待训练纺织品起毛起球级别检测模型；第二获取单元，被配置成获取纺织品点云训练样本集；第二训练单元，被配置成根据上述纺织品点云训练样本集，对上述待训练纺织品起毛起球级别检测模型进行第二训练，得到训练完成的待训练纺织品起毛起球级别检测模型；第二确定单元，被配置成将训练完成的待训练纺织品起毛起球级别检测模型确定为纺织品起毛起球级别检测模型；采集单元，被配置成采集待检测纺织品的三维点云数据作为待检测纺织品点云数据，其中，上述待检测纺织品点云数据包括各个数据点信息，上述各个数据点信息中的每个数据点信息包括坐标位置信息、颜色信息；分割处理单元，被配置成对上述待检测纺织品点云数据进行分割处理，得到点云块信息集，其中，上述点云块信息集中的每个点云块信息包括各个数据点信息；输入单元，被配置成对于上述点云块信息集中的每个点云块信息，将上述点云块信息输入至上述纺织品起毛起球级别检测模型，得到对应上述点云块信息的纺织品局部起毛起球级别信息；生成单元，被配置成基于所得到的各个纺织品局部起毛起球级别信息，生成对应上述待检测纺织品的纺织品起毛起球级别检测信息。

5、第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

6、第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

7、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的纺织品起毛起球级别检测方法，提高了纺织品起毛起球级别检测信息的准确性和检测结果的稳定性。具体来说，造成纺织品起毛起球级别检测信息的准确性和检测结果的稳定性的原因在于：通过纺织品的二维图像，对纺织品进行纺织品起毛起球级别检测，二维图像在成像时受到环境变化和视角变化的影响较大，如在光照较暗的情况下，起毛起球可能显得更难以分辨，导致纺织品起毛起球级别检测信息的准确性较差。同时，视角的变化可能会导致纺织品在图像中的形变或者表面纹理的变化，这可能使得起毛起球在不同角度下的外观有所不同，可能会导致纺织品起毛起球级别检测结果不稳定。基于此，本公开的一些实施例的纺织品起毛起球级别检测方法，首先，获取初始点云训练样本集。由此，可以得到用于生成目标点云训练样本集的初始点云训练样本集。然后，对上述初始点云训练样本集进行点云过滤处理，得到目标点云训练样本集。由此，可以得到目标点云训练样本集。之后，根据上述目标点云训练样本集，对初始物品识别网络进行第一训练，得到训练完成的初始物品识别模型。由此，可以通过目标点云训练样本集对增强模型对初始物品识别网络进行训练，提高初始物品识别网络对输入点云数据的处理能力和适应性。第一训练过程中的目标点云训练样本集帮助模型形成了较为平滑的决策边界，以降低后续待训练纺织品起毛起球级别检测模型的过拟合的风险。然后，将训练完成的初始物品识别模型确定为待训练纺织品起毛起球级别检测模型。之后，获取纺织品点云训练样本集。由此，可以得到用于对待训练纺织品起毛起球级别检测模进行训练的纺织品点云训练样本集。接着，根据上述纺织品点云训练样本集，对上述待训练纺织品起毛起球级别检测模型进行第二训练，得到训练完成的待训练纺织品起毛起球级别检测模型。将训练完成的待训练纺织品起毛起球级别检测模型确定为纺织品起毛起球级别检测模型。由此，可以得到用于对纺织品进行检测的纺织品起毛起球级别检测模型。然后，采集待检测纺织品的三维点云数据作为待检测纺织品点云数据，其中，上述待检测纺织品点云数据包括各个数据点信息，上述各个数据点信息中的每个数据点信息包括坐标位置信息、颜色信息。由此，可以得到待检测纺织品的三维点云数据。之后，对上述待检测纺织品点云数据进行分割处理，得到点云块信息集，其中，上述点云块信息集中的每个点云块信息包括各个数据点信息。由此，可以得到用于生成个纺织品局部起毛起球级别信息的点云块信息集。接着，对于上述点云块信息集中的每个点云块信息，将上述点云块信息输入至上述纺织品起毛起球级别检测模型，得到对应上述点云块信息的纺织品局部起毛起球级别信息。由此，可以将表征待检测纺织品的三维点云数据的点云块信息集输入至纺织品起毛起球级别检测模型，进行局部起毛起球的检测，得到各个纺织品局部起毛起球级别信息。最后，基于所得到的各个纺织品局部起毛起球级别信息，生成对应上述待检测纺织品的纺织品起毛起球级别检测信息。也因为通过纺织品起毛起球级别检测模型，生成了对应待检测纺织品的三维点云数据的各个纺织品局部起毛起球级别信息。待检测纺织品的三维点云数据不仅能够捕捉纺织品表面的平面特征，还能够反映出其立体结构和表面的微小变化并且根据待检测纺织品的三维点云数据进行检测受到光照和视角变化的影响较小，提高了纺织品起毛起球级别检测信息的准确性和检测结果的稳定性。