布匹寻边
项目简介
布匹寻边是指布料裁剪过程中，通过AI寻边技术自动识别布匹的边缘，将检测到的边缘信息输出，确保裁剪的准确性，减少浪费，并提高生产效率。
项目需求
将打满针眼的布匹边缘裁剪掉，且误差小于3px.
项目难点
不同种类的布料（如丝绸、棉布、麻布）具有不同的纹理和形状，传统算法在处理多样化的布料时表现不佳 ，难以适应所有的布匹，且 其处理高分辨率图像时，计算量大，处理速度慢，影响产能。
AI 项目流程
下面的示意图是一个 AI 项目的流程：
flowchart TD
A[数据采集] -->|使用| B[LabelmeAI]
B -->|标注数据| C[AI 训练平台]
C -->|训练模型| D[模型]
D -->|查看效果| E[AI 测试平台]
E -->|不达标| F[优化标注数据和训练参数]
F -->|持续迭代| C
E -->|达标| G[部署到现场]
A:::other
B:::software
C:::software
D:::model
E:::software
F:::software
G:::ok
classDef ok fill:#efe,stroke:#ccf,stroke-width:2px;
classDef model fill:#eef,stroke:#ccf,stroke-width:2px;
classDef other fill:#ffe,stroke:#ccf,stroke-width:2px;
classDef software fill:#fef,stroke:#ccf,stroke-width:2px;
%%{init: {'themeVariables': { 'edgeLabelBackground': '#fafaff' }}}%%
参考链接：深度视觉 AI 平台使用说明
检测方案
1、数据采集
在布匹上方安装相机，在布匹卷绕的过程中进行实时拍摄，采集布匹边缘数据。
2、数据标注
采用多边形标注，将针眼边缘左侧的布匹标注。
注：标注有针眼的一侧时，需标注精细，贴近针孔边缘标注，良好的标注数据是训练出好模型的前提。
3、模型训练
通过 语义分割模型，可以实现像素精度的分类，准确提取边缘，误差小于3px，显著提高寻边的精确度。
训练数据信息：
模型训练参数设置：
模型训练指标：
4、模型测试
将训练好的模型与测试数据导入AI测试平台，查看模型效果。如模型效果达标，可更新至现场；如模型效果不达标，需优化标注数据和训练参数，直至模型达标。
方案优势
-
兼容多种布匹：
不同类型的布料（如棉、丝绸、合成纤维等）都 只需要标注小部分数据 加入训练即可识别，布料类型标注、训练达到一定数量后可以实现对新类型的布匹的边缘检测。 -
高精度检测：
与传统算法相比较，采用深度学习技术，抓边误差低，布匹边缘裁剪更精准。避免了布匹因定位不准，导致裁剪区域过度，造成的资源浪费。
检测效果
总结
深度视觉 AI 平台提供了分类、目标检测、实例分割等算法能力，以及简单易用的 AI 训练平台和 AI 测试平台，显著提升了项目的实施速度，也能提供准确的检测结果，确保用户能够高效地进行 AI 视觉应用的开发和优化。
- 深度视觉 AI 平台可在 https://dlcv.com.cn 免费下载，永久使用，点击下方的 阅读原文 可跳转至官网。
- 开发和使用文档： https://bbs.dlcv.com.cn
