一种人造运动草丝的质量检测评估方法及系统

技术领域

本发明涉及数据处理技术领域，具体涉及一种人造运动草丝的质量检测评估方法及系统。

背景技术

人造草坪由于仿真度高，草丝长度和形态可以按需选用，并且铺设方便，从而被广泛使用。同时，随着使用场景的多样化，对于人造草坪的质量要求也在逐步提高。现有技术中人造运动草丝质量检测评估准确度和智能化程度低的技术问题。

发明内容

本申请提供了一种人造运动草丝的质量检测评估方法及系统，用于针对解决现有技术中人造运动草丝质量检测评估准确度和智能化程度低的技术问题。

鉴于上述问题，本申请提供了一种人造运动草丝的质量检测评估方法及系统。

本申请的第一个方面，提供了一种人造运动草丝的质量检测评估方法，所述方法包括：

交互人造草丝的草丝基础信息，并根据所述草丝基础信息匹配测试方案；

布设所述人造草丝，并通过图像采集单元进行图像采集，生成第一验证图像；

基于所述测试方案进行所述人造草丝的草丝测试，并对完成草丝测试的人造草丝重新图像采样，生成第二验证图像；

对所述第一验证图像和所述第二验证图像进行图像预处理；

将图像预处理后的图像灰度最低点设定为起始点，并根据所述第一验证图像和所述第二验证图像的灰度值分布设置距离约束阈值；

通过所述起始点进行液面上升拟合，当任意起始点对应液面出现液面交汇时，则在对应位置生成区隔岭线，当液面位置上升至图像最大灰度值时，停止拟合，并根据区隔岭线完成图像分割；

根据图像分割结果进行异常特征识别，并生成异常识别集，其中，所述异常识别集包括第一异常集合、第二异常集合，所述第一异常集合与所述第一验证图像对应，所述第二异常集合与所述第二验证图像对应；

基于所述第一异常集合、所述第二异常集合和所述测试方案生成质量检测评估结果。

本申请的第二个方面，提供了一种人造运动草丝的质量检测评估系统，所述系统包括：

测试方案匹配模块，所述测试方案匹配模块用于交互人造草丝的草丝基础信息，并根据所述草丝基础信息匹配测试方案；

第一验证图像生成模块，所述第一验证图像生成模块用于布设所述人造草丝，并通过图像采集单元进行图像采集，生成第一验证图像；

第二验证图像生成模块，所述第二验证图像生成模块用于基于所述测试方案进行所述人造草丝的草丝测试，并对完成草丝测试的人造草丝重新图像采样，生成第二验证图像；

图像预处理模块，所述图像预处理模块用于对所述第一验证图像和所述第二验证图像进行图像预处理；

距离约束阈值设定模块，所述距离约束阈值设定模块用于将图像预处理后的图像灰度最低点设定为起始点，并根据所述第一验证图像和所述第二验证图像的灰度值分布设置距离约束阈值；

图像分割模块，所述图像分割模块用于通过所述起始点进行液面上升拟合，当任意起始点对应液面出现液面交汇时，则在对应位置生成区隔岭线，当液面位置上升至图像最大灰度值时，停止拟合，并根据区隔岭线完成图像分割；

异常识别集生成模块，所述异常识别集生成模块用于根据图像分割结果进行异常特征识别，并生成异常识别集，其中，所述异常识别集包括第一异常集合、第二异常集合，所述第一异常集合与所述第一验证图像对应，所述第二异常集合与所述第二验证图像对应；

评估结果生成模块，所述评估结果生成模块用于基于所述第一异常集合、所述第二异常集合和所述测试方案生成质量检测评估结果。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请通过交互人造草丝的草丝基础信息，并根据草丝基础信息匹配测试方案，然后布设人造草丝，并通过图像采集单元进行图像采集，生成第一验证图像，基于测试方案进行人造草丝的草丝测试，并对完成草丝测试的人造草丝重新图像采样，生成第二验证图像，然后对第一验证图像和第二验证图像进行图像预处理，通过将图像预处理后的图像灰度最低点设定为起始点，并根据第一验证图像和第二验证图像的灰度值分布设置距离约束阈值，然后通过起始点进行液面上升拟合，当任意起始点对应液面出现液面交汇时，则在对应位置生成区隔岭线，当液面位置上升至图像最大灰度值时，停止拟合，并根据区隔岭线完成图像分割，进而根据图像分割结果进行异常特征识别，并生成异常识别集，其中，异常识别集包括第一异常集合、第二异常集合，第一异常集合与第一验证图像对应，第二异常集合与第二验证图像对应，基于第一异常集合、第二异常集合和测试方案生成质量检测评估结果。达到了提升质量检测评估的准确性，提升检测智能化程度的技术效果。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种人造运动草丝的质量检测评估方法流程示意图；

图2为本申请实施例提供的一种人造运动草丝的质量检测评估方法中执行第一验证图像和第二验证图像的图像预处理的流程示意图；

图3为本申请实施例提供的一种人造运动草丝的质量检测评估方法中通过更新图像分割结果进行异常特征识别的流程示意图；

图4为本申请实施例提供的一种人造运动草丝的质量检测评估系统结构示意图。

附图标记说明：测试方案匹配模块11，第一验证图像生成模块12，第二验证图像生成模块13，图像预处理模块14，距离约束阈值设定模块15，图像分割模块16，异常识别集生成模块17，评估结果生成模块18。

具体实施方式

本申请通过提供了一种人造运动草丝的质量检测评估方法及系统，用于针对解决现有技术中人造运动草丝质量检测评估准确度和智能化程度低的技术问题。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

实施例1

如图1所示，本申请提供了一种人造运动草丝的质量检测评估方法，其中，所述方法包括：

步骤S100：交互人造草丝的草丝基础信息，并根据所述草丝基础信息匹配测试方案；

步骤S200：布设所述人造草丝，并通过图像采集单元进行图像采集，生成第一验证图像；

在一个可能的实施例中，由于人造草丝具有不受气候影响和维护成本低的优点，被多领域被广泛使用，如用于学校运动场人造草坪建设等。通过对能够将本申请中使用的人造草丝与其他人造草丝进行区分开的信息进行交互采集，获得所述草丝基础信息。其中，所述草丝基础信息用于对本申请中使用草丝的相关信息进行描述，包括草丝记忆性、草丝簇绒密度、草丝高度、抗拔率等信息。根据采集得到的草丝基础信息匹配对应的测试方案，优选的，从测试方案数据库（用于存储对人造草丝进行测试的执行方案的数据库）中，以草丝基础信息为索引，从测试方案数据库中进行方案匹配，获得所述测试方案。其中，所述测试方案中包括测试项目和测试步骤。

具体而言，在人造草坪上按照人造草坪的大小和布设要求，如不同位置布设不同颜色的人造草丝，进行人造草丝的布设。在完成人造草丝的布设后，通过使用图像采集单元对布设完成的草丝进行图像采集，获得第一验证图像。其中，所述图像采集单元是由具备图像采集功能的设备构成的，包括摄像机、照相机和摄影仪等。所述第一验证图像反映了人造草丝布设完成后，没有经过使用和测试时的草丝状态。通过获取第一验证图像，对后续进行人造草丝质量评估提供可靠依据。

步骤S300：基于所述测试方案进行所述人造草丝的草丝测试，并对完成草丝测试的人造草丝重新图像采样，生成第二验证图像；

在本申请的实施例中，根据测试方案中的测试项目和测试步骤对人造草丝进行测试，如对人造草丝进行颜色标准检测，优选的，通过选取布设好的人造草丝将其浸泡在浓度为80%的硫酸中3天。在3天后对人造草丝进行重新图像采样，也就是利用图像采集单元对人造草丝进行图像获取，将获得的图像作为第二验证图像。其中，所述第二验证图像是对测试完成后的人造草丝状态进行反映，通过根据第二验证图像可以对人造草丝的测试结果进行分析。

步骤S400：对所述第一验证图像和所述第二验证图像进行图像预处理；

进一步的，如图2所示，本申请实施例步骤S400还包括：

步骤S410：构建所述人造草丝的草丝标准灰度图像；

步骤S420：对所述草丝标准灰度图像进行草丝灰度分布识别，并构建宽容灰度区间，并将其作为前景特征；

步骤S430：采样得到环境灰度图像，并对所述环境灰度图像进行灰度分布识别，构建背景特征；

步骤S440：通过所述前景特征和所述背景特征构建注意力约束单元，并通过所述注意力约束单元执行所述第一验证图像和所述第二验证图像的图像预处理。

在一个可能的实施例中，通过根据所述人造草丝的草丝基础信息获取质量正常状态下的草丝标准灰度图像，也就是RGB色彩分量全部相等的草丝标准灰度图像，在正常状态下，布设的人造草丝灰度图像应该在草丝标准灰度图像的宽容灰度区间内。通过根据所述草丝标准灰度图像中草丝灰度的分布值，确定符合质量要求的人造草丝对应的灰度值范围，将其作为所述宽容灰度区间。并将所述宽容灰度区间作为前景特征，优选的，根据所述前景特征可以对验证图像中属于草丝的图像区域进行识别。

在一个可能的实施例中，对人造草丝布设区域的环境进行图像采集，并对采集获得的环境图像进行灰度处理，获得环境灰度图像。基于所述环境灰度图像中灰度分布情况确定布设区域的环境灰度值范围，将其作为背景特征。优选的，通过根据所述背景特征可以对验证图像中属于环境背景的区域进行识别。

具体而言，在获得所述前景特征和背景特征后，根据所述前景特征和背景特征构建注意力约束单元，从而使用注意力约束单元对验证图像进行图像预处理。其中，所述注意力约束单元是用于对获得的第一验证图像和第二验证图像中的草丝区域和背景区域进行快速识别，从而对图像进行降维处理的功能单元，实现了减少分析的图像，提高分析效率的目标。

步骤S500：将图像预处理后的图像灰度最低点设定为起始点，并根据所述第一验证图像和所述第二验证图像的灰度值分布设置距离约束阈值；

在本申请的实施例中，将图像预处理后的图像灰度最低点设定为进行图像分割处理的起始点，也就是说对第一验证图像和第二验证图像中的草丝区域和背景区域识别出后，开始对处理降维后的图像进行图像分割处理。经过图像预处理后的图像内不同区域的灰度值不同，将图像灰度最低点设定为起始点，也就是说，以该起始点为图像分割处理的起点，从而实现了后续进行图像分割作铺垫的目标。根据所述第一验证图像和第二验证图像中的灰度值分布范围，确定进行分割时的范围，将其作为距离约束阈值。其中，所述距离约束阈值用于对进行图像分割时分割的灰度值最大值和最小值进行约束。

步骤S600：通过所述起始点进行液面上升拟合，当任意起始点对应液面出现液面交汇时，则在对应位置生成区隔岭线，当液面位置上升至图像最大灰度值时，停止拟合，并根据区隔岭线完成图像分割；

进一步的，如图3所示，本申请实施例步骤S600还包括：

步骤S610：设置前景岭线生成约束值和背景岭线生成约束值；

步骤S620：当通过所述注意力约束单元执行完成所述图像预处理后，通过所述前景岭线生成约束值和所述背景岭线生成约束值进行图像分割约束；

步骤S630：基于所述图像分割约束进行所述区隔岭线的岭线生成或取消，以获得更新图像分割结果；

步骤S640：通过所述更新图像分割结果进行异常特征识别。

在本申请的实施例中，通过使用分水岭分割算法对图像预处理后的图像进行分割，由于分水岭分割算法对图像中细微的灰度变化具有较强的敏感性，从而可以准确的定位识别出物体的边缘，且分割后的区域具有封闭性和连通性。也就是说，利用分水岭分割算法进行图像分割后，获得的图像不仅自己是一个完整的分割图像，且保持与周围分割图像的连通性，从而为后续进行模糊区域的异常特征识别做铺垫。其中，所述分水岭分割算法是根据数学思想提出的，基于数学形态学的图像分割算法。通过使用分水岭分割算法将待分割图像作为一个拓扑地貌，将待分割图像中的不同位置像素的灰度值作为拓扑地貌的图像高度，通过对拓扑地貌进行模拟浸入来进行图像分割。在模拟浸入的过程中，当水涌入时会使图像出现两个不同的部分，一部分是待分割图像像素最低的位置称为积水盆地，另一个部分是分水岭线，也就是将积水盆地分割开的边界线。利用所述分水岭线可以对图像的不同区域进行分割。

具体而言，通过将待分割图像作为拓扑地貌，将具有积水盆地的整个地形曲面垂直完全放入水中，对盆地底部的最低处（液面上升的起点）戳一个洞，从而使水均匀的涌入每个洞里，使盆地被涌入的水注满，当两个或多个积水盆地被注满且由于注满水盆地液面将要汇合时，需要构建堤坝（分水岭线）来防止水聚集在一起。

在一个可能的实施例中，液面就是从盆地底部涌入水后，水面与拓扑地貌的空气相交的液面。以所述起始点为液面上升的起点，进行液面上升拟合，当任意起始点（也就是灰度值分布的极小值点）对应的液面与其他起始点对应的液面出现液面交汇时，将其交汇线对应的位置生成区隔岭线，其中，所述区隔岭线就是分水岭线，当液面位置上升至图像最大灰度值时停止拟合，将区隔岭线都呈现在液面位置，从而根据呈现的区隔岭线划分情况完成对验证图像的分割。其中，所述前景岭线生成约束值是对前景岭线的生成数量进行约束的数量范围值，所述背景岭线生成约束值是对背景岭线生成数量进行约束的数量范围值。将所述前景岭线生成约束值和背景岭线生成约束值作为图像分割约束，从而避免分割的精度过高，导致划分区域数量过多，提高评估成本，也能够避免分割精度过低，导致分析结果可靠性降低。根据所述图像分割约束对区隔岭线的岭线进行生成，获得将相邻的岭线进行取消，从而获得更新图像分割结果。进而，利用更新图像分割结果对异常草丝进行识别，获得不符合前景特征的异常草丝。

步骤S700：根据图像分割结果进行异常特征识别，并生成异常识别集，其中，所述异常识别集包括第一异常集合、第二异常集合，所述第一异常集合与所述第一验证图像对应，所述第二异常集合与所述第二验证图像对应；

步骤S800：基于所述第一异常集合、所述第二异常集合和所述测试方案生成质量检测评估结果。

进一步的，本申请实施例步骤S700还包括：

步骤S710：通过所述标准灰度图像进行草丝轮廓识别，构建草丝轮廓集合；

步骤S720：基于所述注意力约束单元的图像预处理，确定前景区域范围；

步骤S730：通过所述草丝轮廓拟合集合进行所述前景区域范围内的所述更新图像分割结果进行轮廓匹配；

步骤S740：根据所述轮廓匹配结果生成所述异常识别集。

在一个可能的实施例中，通过根据所述标准灰度图像进行草丝轮廓识别，也就是确定草丝轮廓对应的灰度值分布情况，将其作为草丝轮廓集合。进而，通过根据图像预处理也就是利用前景特征对第一验证图像和第二验证图像进行匹配，分别获得第一验证图像和第二验证图像的前景区域范围。也就是第一验证图像和第二验证图像中的人造草丝分布的区域。通过根据所述草丝轮廓拟合集合对所述前景区域范围内的所述更新图像分割结果进行轮廓匹配，也就是对所述前景区域范围内的所述更新图像分割结果中的草丝轮廓进行识别，并与草丝轮廓拟合集合中的草丝轮廓进行比对，若比对不成功，则表明人造草丝在布设时和测试后的轮廓不能满足要求，将不满足要求的异常特征进行统计，获得第一异常集合和第二异常集合。其中，所述第一异常集合是对第一验证图像，也就是布设完成后还没有使用的人造草丝不符合要求的异常人造草丝进行统计获得的异常集合。所述第二异常集合是对第二验证图像，也就是测试完成后的人造草丝不符合要求的异常人造草丝进行统计获得的异常集合。

进一步的，本申请实施例步骤S700还包括：

步骤S750：基于所述注意力约束单元的图像预处理，确定模糊区域范围；

步骤S760：当任意轮廓匹配结果异常时，则根据对应轮廓匹配位置关联所述模糊区域范围，并根据关联模糊区域范围的图像分割结果与对应前景区域的更新图像分割结果进行轮廓拟合；

步骤S770：当轮廓拟合结果与所述草丝轮廓集合中任意匹配结果满足匹配阈值时，则生成前景关联节点；

步骤S780：通过所述前景关联节点进行所述关联模糊区域范围与所述前景区域范围的融合，并基于融合结果重新完成异常特征识别。

在本申请的一个实施例中，通过根据所述注意力约束单元对第一验证图像和第二验证图像进行图像预处理，将图像预处理结果中不符合前景特征和背景特征的区域确定为所述模糊区域范围。在所述模糊区域范围中，存在前景和背景交融的情况。当任意轮廓匹配结果异常时，根据异常的位置以及模糊区域范围的位置进行区域关联，并将所述关联模糊区域范围的图像分割结果与对应前景区域的更新图像分割结果进行轮廓拟合，也就是说，由于区域分割会导致人造草丝的图像在分割的区域内不完整，通过轮廓拟合可以对区域分割造成人造草丝轮廓异常的情况进行排除。

在一个可能的实施例中，通过将所述轮廓拟合结果与所述草丝轮廓集合中任意匹配结果满足匹配阈值，也就是说，轮廓拟合结果可以与正常的草丝轮廓集合匹配成功，将轮廓拟合结果作为前景关联节点，进而利用所述前景关联节点对应的位置对关联模糊区域范围和前景区域范围进行融合，也就是对关联模糊区域范围内属于前景区域范围的区域融入前景区域范围内，从而根据融合结果中的区域范围进行异常特征识别。达到了提高人造草丝的识别准确度，减少分析误差的技术效果。

进一步的，本申请实施例步骤S770还包括：

步骤S771：当轮廓拟合结果与所述草丝轮廓集合中全部匹配结果未能满足匹配阈值时，则对所述对应轮廓匹配位置进行轮廓异常标识；

步骤S772：根据轮廓异常标识结果生成所述异常识别集。

进一步的，本申请实施例步骤S780还包括：

步骤S781：构建所述人造草丝的草丝标准图像；

步骤S782：通过所述草丝标准图像进行位置色彩识别，构建位置色彩数据库；

步骤S783：当任意轮廓匹配成功后，通过所述位置色彩数据库进行对应位置的色彩验证，生成色彩异常标识结果；

步骤S784：根据所述色彩异常标识结果和所述轮廓异常标识结果生成所述异常识别集。

在一个可能的实施例中，当轮廓拟合结果与所述草丝轮廓集合中全部匹配结果不能满足匹配阈值时，表明人造草丝并没有受到区域分割的影响，在布设完成后质量就已经不达标，或者在经过测试后导致草丝质量不达标。此时对所述对应轮廓匹配位置进行轮廓异常标识，根据异常标识结果获得对应的异常识别集。

在本申请的实施例中，通过根据人造草丝在正常情况下的彩色图像构建所述草丝标准图像。通过根据草丝标准图像进行位置色彩识别，也就是对草丝不同位置的色彩进行采集，获得不同位置的色相、饱和度和明度，根据获得的数据构建所述位置色彩数据库。其中，所述位置色彩数据库是对人造草丝不同位置的色彩数据进行存储的数据库。当任意轮廓匹配成功后，通过根据位置色彩数据库对轮廓中的颜色进行验证，当轮廓中颜色与位置色彩数据库中对应颜色不一致时，获得色彩异常标识结果。其中，色彩异常标识结果也就是对人造草丝的颜色进行异常识别后获得的结果，也就是当轮廓匹配成功，但是色彩匹配不成功，人造草丝的质量也不能符合要求。进而，根据色彩异常标识结果和轮廓异常标识结果获得所述异常识别集。

具体而言，在获得所述第一异常集合、第二异常集合和测试方案以后，获得质量检测评估结果。其中，所述质量检测结果是根据测试方案中测定的项目以及对应检测标准，对第一异常集合和第二异常集合中的异常进行评估，从而获得人造草丝的质量检测评估结果。

综上所述，本申请实施例至少具有如下技术效果：

本申请通过基于使用的人造草丝基础情况，确定对应的测试方案，然后进行人造草丝的布设，对布设完成后的草丝进行图像采集，获得第一验证图像，进而根据测试方案对人造草丝进行测试，并对测试后的草丝再次进行图像采样，获得第二验证图像，通过对第一验证图像和第二验证图像进行图像预处理，确定图像分割的起始点和距离约束阈值，进而，通过液面上升拟合确定区隔岭线完成图像分割，从而进行异常特征识别，结合测试方案获得质量检测评估结果。达到了提高人造运动草丝的质量检测效率，提高评估结果的可靠性的技术效果。

实施例2

基于与前述实施例中一种人造运动草丝的质量检测评估方法相同的发明构思，如图4所示，本申请提供了一种人造运动草丝的质量检测评估系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：

测试方案匹配模块11，所述测试方案匹配模块11用于交互人造草丝的草丝基础信息，并根据所述草丝基础信息匹配测试方案；

第一验证图像生成模块12，所述第一验证图像生成模块12用于布设所述人造草丝，并通过图像采集单元进行图像采集，生成第一验证图像；

第二验证图像生成模块13，所述第二验证图像生成模块13用于基于所述测试方案进行所述人造草丝的草丝测试，并对完成草丝测试的人造草丝重新图像采样，生成第二验证图像；

图像预处理模块14，所述图像预处理模块14用于对所述第一验证图像和所述第二验证图像进行图像预处理；

距离约束阈值设定模块15，所述距离约束阈值设定模块15用于将图像预处理后的图像灰度最低点设定为起始点，并根据所述第一验证图像和所述第二验证图像的灰度值分布设置距离约束阈值；

图像分割模块16，所述图像分割模块16用于通过所述起始点进行液面上升拟合，当任意起始点对应液面出现液面交汇时，则在对应位置生成区隔岭线，当液面位置上升至图像最大灰度值时，停止拟合，并根据区隔岭线完成图像分割；

异常识别集生成模块17，所述异常识别集生成模块17用于根据图像分割结果进行异常特征识别，并生成异常识别集，其中，所述异常识别集包括第一异常集合、第二异常集合，所述第一异常集合与所述第一验证图像对应，所述第二异常集合与所述第二验证图像对应；

评估结果生成模块18，所述评估结果生成模块18用于基于所述第一异常集合、所述第二异常集合和所述测试方案生成质量检测评估结果。

进一步的，所述系统还包括：

灰度图像构建单元，所述灰度图像构建单元用于构建所述人造草丝的草丝标准灰度图像；

前景特征设定单元，所述前景特征设定单元用于对所述草丝标准灰度图像进行草丝灰度分布识别，并构建宽容灰度区间，并将其作为前景特征；

背景特征构建单元，所述背景特征构建单元用于采样得到环境灰度图像，并对所述环境灰度图像进行灰度分布识别，构建背景特征；

预处理单元，所述预处理单元用于通过所述前景特征和所述背景特征构建注意力约束单元，并通过所述注意力约束单元执行所述第一验证图像和所述第二验证图像的图像预处理。

进一步的，所述系统还包括：

生成约束值设定单元，所述生成约束值设定单元用于设置前景岭线生成约束值和背景岭线生成约束值；

分割约束单元，所述分割约束单元用于当通过所述注意力约束单元执行完成所述图像预处理后，通过所述前景岭线生成约束值和所述背景岭线生成约束值进行图像分割约束；

更新图像分割结果获得单元，所述更新图像分割结果获得单元用于基于所述图像分割约束进行所述区隔岭线的岭线生成或取消，以获得更新图像分割结果；

异常特征识别单元，所述异常特征识别单元用于通过所述更新图像分割结果进行异常特征识别。

进一步的，所述系统还包括：

草丝轮廓构建单元，所述草丝轮廓构建单元用于通过所述标准灰度图像进行草丝轮廓识别，构建草丝轮廓集合；

前景区域范围确定单元，所述前景区域范围确定单元用于基于所述注意力约束单元的图像预处理，确定前景区域范围；

轮廓匹配单元，所述轮廓匹配单元用于通过所述草丝轮廓拟合集合进行所述前景区域范围内的所述更新图像分割结果进行轮廓匹配；

识别集生成单元，所述识别集生成单元用于根据所述轮廓匹配结果生成所述异常识别集。

进一步的，所述系统还包括：

模糊区域范围确定单元，所述模糊区域范围确定单元用于基于所述注意力约束单元的图像预处理，确定模糊区域范围；

轮廓拟合单元，所述轮廓拟合单元用于当任意轮廓匹配结果异常时，则根据对应轮廓匹配位置关联所述模糊区域范围，并根据关联模糊区域范围的图像分割结果与对应前景区域的更新图像分割结果进行轮廓拟合；

关联节点生成单元，所述关联节点生成单元用于当轮廓拟合结果与所述草丝轮廓集合中任意匹配结果满足匹配阈值时，则生成前景关联节点；

区域范围融合单元，所述区域范围融合单元用于通过所述前景关联节点进行所述关联模糊区域范围与所述前景区域范围的融合，并基于融合结果重新完成异常特征识别。

进一步的，所述系统还包括：

轮廓异常标识单元，所述轮廓异常标识单元用于当轮廓拟合结果与所述草丝轮廓集合中全部匹配结果未能满足匹配阈值时，则对所述对应轮廓匹配位置进行轮廓异常标识；

异常识别集获得单元，所述异常识别集获得单元用于根据轮廓异常标识结果生成所述异常识别集。

进一步的，所述系统还包括：

标准图像构建单元，所述标准图像构建单元用于构建所述人造草丝的草丝标准图像；

色彩数据库构建单元，所述色彩数据库构建单元用于通过所述草丝标准图像进行位置色彩识别，构建位置色彩数据库；

色彩异常标识结果生成单元，所述色彩异常标识结果生成单元用于当任意轮廓匹配成功后，通过所述位置色彩数据库进行对应位置的色彩验证，生成色彩异常标识结果；

异常识别单元，所述异常识别单元用于根据所述色彩异常标识结果和所述轮廓异常标识结果生成所述异常识别集。

需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。