本发明涉及机器视觉检测的技术领域，尤其涉及到一种基于机器视觉的t恤在线检测及分选方法。
背景技术：
t恤是春夏季人们最喜欢的服装之一，特别是烈日炎炎，酷暑难耐的盛夏，t恤以其自然、舒适、潇洒又不失庄重之感的优点而逐步替代昔日男士们穿件背心或汗衫外加一件短袖衬衫或香港衫的模式出现在社交场合，成为人们乐于穿着的时令服装。目前已成为全球男女老幼均爱穿着的时髦装。据说全世界年销售量已高达数十亿件，与牛仔裤构成了全球最流行、穿着人数最多的服装。
而t恤作为柔性产品，当今出厂前的质量检测仍以人工为主，检测工作面临诸多难题。譬如：检测指标多且复杂；检测现场环境复杂；人工评价标准不一；长时间的工作使人工注意力下降，出现漏检误检现象等。且人工接触式的检测方式易給t恤造成二次污染，致使生产效率下降，不满足现代化智能生产的要求。
技术实现要素：
本发明的目的在于克服现有技术的不足，提供一种利于人体健康、检测不受主观因素影响、人工检测成本低、漏检率和误检率低、检测准确率高、不造成t恤二次污染的基于机器视觉的t恤在线检测及分选方法。
为实现上述目的，本发明所提供的技术方案为：一种基于机器视觉的t恤在线检测及分选方法，其包括以下步骤：
s1.建立t恤标准模板数据库，数据从生产厂家处获取；
s2.确定待测t恤的颜色、尺码、型号以及logo特征，从t恤标准模板数据库中找出该款标准t恤模板的数据，与通过ccd工业相机采集到的待测t恤的数据作对比，检出不一致的t恤；
s3.将步骤s2中检出不一致的t恤与其他t恤标准模板匹配，作详尽分类。
进一步地，步骤s2中，将通过ccd工业相机采集到的待测t恤的数据与标准t恤模板的数据作对比的具体步骤如下：
s21.对ccd工业相机采集到的图像进行预处理，获取roi区域；
s22.判断待测t恤的颜色、尺码以及型号是否与标准t恤模板的一致；若均一致，则进入步骤s23，否则进入步骤s3；
s23.t恤logo缺陷检测。
进一步地，步骤s21图像预处理的具体步骤为：
s211.图像平滑滤波；
s212.采用线性回归法进行图像倾斜校正；
s213.图像分割，分割出t恤roi区域。
进一步地，步骤s22判断待测t恤的颜色、尺码以及型号是否与标准t恤模板的一致的具体步骤如下：
s221.提取t恤rgb三分量，构造灰度特征向量组；
s222.通过与标准t恤模板的灰度特征向量组比较，判断待测t恤颜色是否一致；
s223.求取步骤s21分割出的roi区域的面积；
s224.检测roi区域边缘，提取t恤边缘轮廓信息；
s225.分割该边缘轮廓，分别拟合出领线，肩线，袖臂线，袖口线和下衣摆线；
s226.计算领线与肩线的两交点并计算该两交点间距离，得到领长；同理，计算肩线与袖臂线两交点并计算该两交点间距离，得到横向两肩长度；计算袖臂线与袖口线两交点并计算该两交点间距离，得到横向两袖长度；直接测量下衣摆线得到下衣摆长。
s227.将步骤s226得到的几个长度指标组成一个尺码特征向量组，计算与标准模板向量组的欧氏距离，设置阈值，判定尺码是否一致；
s228.采用基于边缘的模板匹配，判断t恤型号是否一致；
s229.颜色、尺码、型号三个指标中，至少有一个指标不合格，即判定为不一致产品。
步骤s23t恤logo缺陷包括缺失、颜色不一致、错印；其中，所述缺失和错印采用基于形状的模板匹配进行检测。
与现有技术相比，本方案原理和优点如下：
通过机器视觉检测代替传统的人工检测，不受检测指标多，检测现场环境复杂，个人主观检测等因素影响；而且不需过多的人力检测，人力成本较低；避免出现因工人长时间工作注意力下降而导致的漏检误检现象；再之，因不用工人直接接触t恤，使不会出现t恤的二次污染；检测的准确率非常高。
附图说明
图1为本发明实施例中一种基于机器视觉的t恤在线检测及分选方法的流程图。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
参见附图1所示，本实施例所述的一种基于机器视觉的t恤在线检测及分选方法，具体以某款t恤白色l号的在线检测及分选为例，包括以下步骤：
s1.建立t恤标准模板数据库，数据库包括同一款式的t恤不同颜色(例如黑色、白色等)，不同尺码(例如s、m、l、xl等)、型号以及logo特征；其中，尺码的评价指标为：t恤面积、领长，横向两肩长度，横向两袖长度，下衣摆长；具体数据从生产厂家处获取。
s2.与白色l号t恤标准模板比对，检出不一致的产品，主要包括以下几个步骤：
s21.对ccd工业相机采集到的图像进行预处理，具体为：
s211.高斯滤波：采用高斯滤波器，消除表面纹理和褶皱的影响；
s212.图像倾斜校正：提取体恤边缘信息，拟合出下衣摆线和侧腰线；计算下衣摆线和侧腰线的交点坐标；过该交点作一条平行于图像显示窗口下边框的直线，计算下衣摆线和所作平行线间的夹角θ，此夹角为图像倾斜角，对图像旋转-θ，得到矫正后图像；
s213.图像分割：由于本实施例使用与t恤对比度明显的背景墙作为背景区域，所以采用全局阈值，分割出t恤roi区域；
设待分割图像为f(x,y)，阈值分割后图像为s(x,y)，则
其中，t为设置阈值；
s22.判断待测t恤的颜色、尺码以及型号是否与标准t恤模板的一致；若均一致，则进入步骤s23，否则进入步骤s3；判断具体过程为：
1)判断t恤颜色是否与标准t恤模板一致：
1-1)提取t恤rgb三分量：
其中cij表示图像像素(i,j)的颜色在rgb颜色空间的颜色矢量，rij,gij,bij分别为红绿蓝三个分量值；
1-2)由灰度直方图计算各通道图像灰度均值：
以r通道灰度均值计算为例：
同理，g通道和b通道计算方法相同；
其中，l为灰度级总数，zi表示第i个灰度级，h(zi)表示直方图中统计的灰度为zi的像素个数；
1-3)对三分量的灰度均值求平均值,记为：
1-4)由灰度直方图计算各通道图像灰度标准差；同样，以r通道为例：
其中，f(x,y)为点(x,y)的像素值，n为区域内像素的个数，m表示区域内灰度均值；
1-5)对三分量的灰度标准差求平均值，记为value_1
1-6)将value_0和value_1组成一个灰度特征向量组，记为[value_0，value_1]；
1-7)与白色l号t恤标准模板的灰度特征向量组比较，判断体恤颜色是否一致；若与标准t恤模板的灰度特征向量组相差超过5％，则判定为颜色不一致。
2)判断t恤尺码是否一致，步骤为：
2-1)计算上述分割出的t恤roi区域面积，记为area；
2-2)对t恤roi区域进行边缘检测，提取t恤边缘轮廓信息；
2-3)分割该边缘轮廓，分别拟合出领线，肩线，袖臂线，袖口线和下衣摆线；
2-4)计算领线与肩线的两交点，并计算两交点间距离,记为l0。同理，计算肩线与袖臂线两交点并计算两交点间距离,记为l1。计算袖臂线与袖口线两交点并计算两交点间距离,记为l2。至此，便得到体恤的几个幅宽指标，分别是领长l0，横向两肩长度l1，横向两袖长度l2，下衣摆长l3；
2-5)将上述几个指标组成一个尺码特征向量组，记为[area,l0,l1,l2,l3],计算与标准模板向量的欧氏距离，欧式距离公式为：
其中，xi为像素点行坐标，p为标准模板尺码特征向量，x为待测尺码特征向量
通过与标准模板比较，判定尺码是否一致；若与白色l号体恤标准模板的尺码特征向量组相差超过5％，则判定为尺码不一致。
3)判断t恤型号是否一致，采用基于边缘的模板匹配方法，步骤为：
3-1)建立t恤标准边缘轮廓模型；
3-2)计算待测图像与模板图像的边缘像素点之间的均方距离，计算公式为：
其中，(r,c)表示待测图像边缘像素点坐标，(u,v)表示模板图像边缘像素点坐标，t表示模板边缘区域；
3-3)设置阈值δ，若sed≥δ,则判定为t恤型号不一致。
4)以上颜色、尺码、型号三个指标中，至少有一个指标不合格，即判定为不一致产品；若为不一致产品，则直接进入步骤s3；否则进入步骤s23进行进一步的t恤logo缺陷检测。
s23.对上步判断的规格一致的t恤，继续处理，检测logo有无缺陷；其中，t恤logo缺陷包括logo缺失、颜色不一致、错印；所以从这三方面进行判断；具体步骤为：
s231.颜色不一致判断：
方法与上述相同，通过提取t恤logo区域rgb三分量，构造灰度特征向量组，通过与t恤标准模板的灰度特征向量组比较，判断体恤颜色是否一致。
s232.缺失和错印判断：
通过采用基于形状的模板匹配方法，步骤为：
1)建立t恤标准轮廓模型；
2)计算待测图像与模板图像的边缘像素点之间的相似度量s，计算公式为：
其中，
3)当相似度量s＝1时，说明模板图像与待测图像匹配，即t恤logo无缺陷。当s≠1时，说明模板图像与待测图像不匹配，即t恤logo有缺陷。
s3.将步骤s2中检出不一致的t恤与其他t恤标准模板匹配，作详尽分类(例如分为白色s号，黑色l号等)。
本实施例通过机器视觉检测代替传统的人工检测，不受检测指标多，检测现场环境复杂，个人主观检测等因素影响；而且不需过多的人力检测，人力成本较低；避免出现因工人长时间工作注意力下降而导致的漏检误检现象；再之，因不用工人直接接触t恤，使不会出现t恤的二次污染；检测的准确率非常高。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。