一种医用无纺布的检测方法及系统

技术领域

本发明涉及无纺布检测技术领域，具体涉及一种医用无纺布的检测方法及系统。

背景技术

医用无纺布的检测是医疗领域中的重要任务之一，无纺布在医疗器械、手术室巾、手术衣等方面被广泛应用，因此确保其质量和安全性对于医疗工作至关重要。传统的医用无纺布检测方法通常依赖于人工视觉检查或简单的物理测试，一方面，传统方法通常只能对无纺布的某些特定区域进行检测，无法实现对整个无纺布表面的全面检测，存在漏检的风险；另一方面，对于发现的异常区域，传统方法往往缺乏准确的定位信息，导致后续处理和改进的困难。

因此需要一种更准确和全面的医用无纺布的检测方法，实现对医用无纺布质量和安全性的可靠检测和评估。

发明内容

本申请通过提供了一种医用无纺布的检测方法及系统，旨在解决传统无纺布检测方法缺乏对运动速度和位置坐标的准确掌控，并且无法高效地实现对无纺布的全面检测和异常区域的精确定位的技术问题。

鉴于上述问题，本申请提供了一种医用无纺布的检测方法及系统。

本申请公开的第一个方面，提供了一种医用无纺布的检测方法，所述方法包括：配置无纺布检测机架的卷曲拉力，并执行无纺布运动控制，记录运动速度；依次布置超声检测单元和CCD传感器，并记录布置位置坐标和采集坐标，其中，所述布置位置坐标和所述采集坐标通过构建同一坐标系生成；依据布置位置坐标、采集坐标和运动速度建立超声检测单元的检测结果与CCD传感器采集结果的节点坐标映射；通过超声检测单元执行无纺布检测，并记录异常坐标，基于所述节点坐标映射和异常坐标确定注意区域，并通过所述CCD传感器对所述注意区域进行聚焦采集；基于聚焦采集结果执行异常检测，生成异常检测结果，并将所述异常检测结果与所述注意区域关联；根据关联结果输出无纺布的检测结果。

本申请公开的另一个方面，提供了一种医用无纺布的检测系统，所述系统用于上述方法，所述系统包括：运动控制模块，所述运动控制模块用于配置无纺布检测机架的卷曲拉力，并执行无纺布运动控制，记录运动速度；坐标获取模块，所述坐标获取模块用于依次布置超声检测单元和CCD传感器，并记录布置位置坐标和采集坐标，其中，所述布置位置坐标和所述采集坐标通过构建同一坐标系生成；坐标映射模块，所述坐标映射模块用于依据布置位置坐标、采集坐标和运动速度建立超声检测单元的检测结果与CCD传感器采集结果的节点坐标映射；聚焦采集模块，所述聚焦采集模块用于通过超声检测单元执行无纺布检测，并记录异常坐标，基于所述节点坐标映射和异常坐标确定注意区域，并通过所述CCD传感器对所述注意区域进行聚焦采集；关联模块，所述关联模块用于基于聚焦采集结果执行异常检测，生成异常检测结果，并将所述异常检测结果与所述注意区域关联；结果输出模块，所述结果输出模块用于根据关联结果输出无纺布的检测结果。

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：

通过配置无纺布检测机架的卷曲拉力并执行无纺布运动控制，记录运动速度，实现对无纺布运动过程的精确控制和速度的准确记录，以确保后续步骤中的数据采集和分析的准确性和可靠性；依次布置超声检测单元和CCD传感器，并记录布置位置坐标和采集坐标，通过构建同一坐标系生成布置位置坐标和采集坐标，可以确保超声检测单元和CCD传感器之间的空间关系和坐标的一致性，为后续的节点坐标映射提供准确的基础；基于布置位置坐标、采集坐标和运动速度，建立超声检测单元的检测结果与CCD传感器采集结果的节点坐标映射，通过建立节点坐标映射，可以实现超声检测单元和CCD传感器数据之间的对应关系，方便后续的异常坐标确定和聚焦采集；通过超声检测单元执行无纺布检测，记录异常坐标，并基于节点坐标映射确定注意区域，然后使用CCD传感器对注意区域进行聚焦采集，并基于聚焦采集结果执行异常检测，可以实现对无纺布材料的全面检测、异常区域的精确定位和异常检测结果的生成；根据关联结果输出无纺布的检测结果，通过将异常检测结果与注意区域关联，可以提供准确的无纺布检测结果，并使其与具体位置和区域相关联，实现准确的异常检测。综上所述，该医用无纺布的检测方法通过运动控制、坐标映射和聚焦采集等技术，解决了传统方法中的位置记录、区域定位和异常检测准确性等技术问题，实现了对无纺布的全面检测，并生成准确的异常检测结果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种医用无纺布的检测方法流程示意图；

图2为本申请实施例提供了一种医用无纺布的检测系统结构示意图。

附图标记说明：运动控制模块10，坐标获取模块20，坐标映射模块30，聚焦采集模块40，关联模块50，结果输出模块60。

具体实施方式

本申请实施例通过提供一种医用无纺布的检测方法，解决了传统无纺布检测方法缺乏对运动速度和位置坐标的准确掌控，并且无法高效地实现对无纺布的全面检测和异常区域的精确定位的技术问题。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种医用无纺布的检测方法，所述方法包括：

配置无纺布检测机架的卷曲拉力，并执行无纺布运动控制，记录运动速度；

准备用于无纺布检测的机架，将无纺布加载到机架上，使用辊筒或夹具等张紧装置使得无纺布在检测过程中保持紧张状态，通过调整张紧装置施加适当的卷曲拉力，以使得无纺布在检测过程中保持适当的张力和紧致度，以便能够检测出存在的异常。启动机架的运动控制系统，通过驱动电机、传送带等使无纺布以一定的速度进行匀速移动，以便对其进行全面而准确的检测。在运动控制过程中，通过传感器或者检测设备，例如光电传感器、激光测距仪等，确定无纺布在单位时间内的位移，从而计算得到运动速度。

依次布置超声检测单元和CCD传感器，并记录布置位置坐标和采集坐标，其中，所述布置位置坐标和所述采集坐标通过构建同一坐标系生成；

沿着无纺布的运动路径，在无纺布的正上方，前后布设超声检测单元和CCD传感器，超声检测单元用于发送超声波并接收回波，以便探测无纺布中的异常；CCD传感器用于进一步拍摄无纺布的图像，以获取更多视觉信息。

以无纺布的运行线路作为x轴，以无纺布所在平面上垂直于x轴的直线为y轴，以垂直于该平面且过超声检测单元的直线作为z轴，将x轴、y轴、z轴相交的点作为原点，建立空间直角坐标系。对于布设的超声检测单元和CCD传感器，使用测量工具，如测量尺、激光测距仪等，测量记录各个设备的布置位置，并填充至坐标系中，获取布置位置坐标。

在同一坐标系中，使用相同的测量工具，测量采集位置，并填充至坐标系中，获取采集坐标，这些采集坐标表示了相应的超声检测单元和CCD传感器所采集到的数据与其布置位置之间的对应关系，这样使得各个传感器的数据可以准确匹配。

依据布置位置坐标、采集坐标和运动速度建立超声检测单元的检测结果与CCD传感器采集结果的节点坐标映射；

通过将记录布置位置时的顺序与记录采集数据时的顺序相匹配，建立布置位置坐标和采集坐标之间的对应关系，例如，如果超声检测单元和CCD传感器按照从左到右的顺序进行布置和采集，那么第一个布置位置坐标对应第一个采集坐标，以此类推。

使用记录的运动速度和时间信息，将其与采集坐标关联起来，通过计算每个采集点之间的时间间隔，结合运动速度，确定无纺布在每个时间段内的位移量，从而得到每个采集点的位置坐标。

通过将每个布置位置与其对应的采集点位置进行匹配，将布置位置坐标和相应的采集点位置坐标进行对应，建立超声检测单元的检测结果与CCD传感器采集结果的节点坐标映射。这个映射关系用于将超声检测单元和CCD传感器之间的数据进行对应，从而实现无纺布的异常位置的定位。

通过超声检测单元执行无纺布检测，并记录异常坐标，基于所述节点坐标映射和异常坐标确定注意区域，并通过所述CCD传感器对所述注意区域进行聚焦采集；

使用布设好的超声检测单元对无纺布进行检测，超声检测单元通过发送超声波并接收回波，可以识别出断经断纬和破损等不可逆异常，而无法直接识别脏污等可逆异常。具体地，对于断经断纬情况，由于断经断纬会导致无纺布材料的连续性中断，超声波在该区域的传播会受到干扰，从而可以被超声检测单元检测到；对于破损情况，当无纺布发生破损时，超声波在破损处会发生反射、衍射或干涉现象，从而产生异常信号，被超声检测单元捕捉到；

与断经断纬和破损不同，脏污是可逆的表面污染，超声波在传播过程中不会受到明显的干扰或反射，使得脏污难以被超声波有效检测到，需要通过其他设备，如CCD传感器进一步识别。

当超声检测单元检测到异常信号时，记录异常坐标，这些异常坐标对应无纺布上异常所在的位置，以异常坐标为中心点，根据异常大小确定注意区域，该注意区域表示无纺布上异常的位置范围。

使用CCD传感器对确定的注意区域进行聚焦采集，捕捉高分辨率的图像数据，以更详细地分析注意区域。

进一步而言，通过超声检测单元执行无纺布检测，并记录异常坐标，包括：

记录所述超声检测单元的发射超声节点和接收回波节点；

对回波进行回波分析，确定缺陷大小、缺陷类型和虚拟标定坐标；

对齐发射超声节点和虚拟标定坐标，并基于所述发射超声节点和接收回波节点的时间差确定漂移时间；

依据所述漂移时间和所述运动速度生成漂移补偿坐标；

通过所述虚拟标定坐标和漂移补偿坐标进行缺陷坐标回溯，并基于回溯结果和缺陷大小、缺陷类型记录异常坐标。

超声检测单元由多个发射超声模块和多个接收超声模块组成，这些发射超声模块发出超声波信号到被测试物体，即无纺布上，接收超声模块接收从被测物反射回来的超声回波信号。监测并记录发出超声波信号的时间节点，即发射超声节点；以及接收超声回波信号的时间节点，即接收回波节点。通过记录发射超声节点和接收回波节点的时间节点信息，可以对超声信号的传播和回波进行精确的时间测量，从而实现对无纺布的异常检测。

对接收到的回波进行预处理，包括去噪、滤波和增强等，以减少噪声干扰，通过分析回波信号的时域特征，包括振幅、持续时间等，提取与缺陷相关的特征信息，例如特定频率的回波模式、幅值特征，利用回波信号的幅值获取缺陷的尺寸；

预先定义各种缺陷模式，将回波信号分类为不同类型的缺陷，包括断经断纬、破损等，将回波信号特征与缺陷模式进行比对，获取回波信号对应的缺陷类型；

分析回波信号，当检测到缺陷时，记录当前位置作为虚拟标定坐标，需要注意的是，由于无纺布的向前运动，实际缺陷位置已经向前移动了一定距离。该虚拟标定坐标用于作为计算实际坐标的参考坐标，这样可以纠正由于无纺布向前运动带来的缺陷位置偏移，获得更准确的实际坐标信息。

以时间为基准，将发射超声节点与相应的虚拟标定坐标进行对齐。计算发射超声节点和接收回波节点的时间节点之间的差值，并取差值的一半，作为漂移时间，该漂移时间表示超声波从发射到抵达无纺布所用的时间，用于校正由于无纺布运动引起的位置偏移。

获取无纺布的运动速度，即无纺布在x轴方向上的每单位时间移动的距离。将漂移时间乘以运动速度，得到漂移补偿量，这个补偿量表示在漂移时间内，无纺布在x轴方向上实际移动的距离。将所述漂移补偿量代入坐标中，生成漂移补偿坐标，该漂移补偿坐标只针对x轴方向上的漂移，而不存在y轴方向上的漂移。

根据漂移补偿坐标，对原始的虚拟标定坐标进行调整，以反映无纺布在x轴方向上的实际位置，例如，将虚拟标定坐标的x坐标值加上漂移补偿坐标的x坐标值，生成经过缺陷坐标回溯的缺陷实际坐标。根据缺陷的大小和类型，结合缺陷实际坐标进行记录，例如，将异常坐标与缺陷的尺寸和类型对应记录下来，作为一个异常坐标，以便后续分析和处理。

进一步而言，基于所述节点坐标映射和异常坐标确定注意区域，包括：

定位缺陷的中心点坐标，并以所述中心点坐标为基准点，以所述缺陷大小为扩充点，执行定位扩充；

生成规则图形的扩展约束，基于所述扩展约束对定位扩充结果规范扩展，确定注意区域大小；

以所述中心点坐标作为注意区域的区域坐标，以所述缺陷类型作为所述注意区域的识别参考缺陷，完成注意区域确定。

通过分析检测到的缺陷，根据缺陷的形状、边缘特征等信息，确定其中心点坐标，将缺陷中心点坐标作为基准点，这个基准点为后续定位扩充的起始点。根据缺陷的大小，确定扩充的范围，例如使用缺陷的直径、宽度或面积来确定扩充的尺寸。以基准点为中心，按照所确定的扩充范围，在无纺布上进行定位扩充操作，例如在基准点周围绘制一个圆形、矩形或其他形状的区域，以扩大缺陷的定位范围。

根据应用需求和目标规格，例如根据CCD传感器的分辨率，确定规则图形的扩展约束，包括图形的最小尺寸、最大尺寸、宽高比限制等规则。将定位扩充的结果与生成的扩展约束进行匹配，根据扩展约束，对定位扩充结果进行规范化处理，确保符合规则图形的要求，根据规范扩展后的结果，确定注意区域的大小。

将所述中心点坐标作为注意区域的区域坐标的起始点，根据所述缺陷的类型，确定用于识别参考的特征，例如缺陷的形状、边缘、纹理等，根据中心点坐标和缺陷类型的识别参考，确定注意区域的边界，以确保涵盖整个缺陷区域。这样可以提供一个有限的区域，在该区域内进行进一步的分析，以便针对缺陷进行更准确的处理。

进一步而言，所述方法还包括：

在所述无纺布建立等长标识，并依据所述等长标识进行运动速度的速度稳态验证；

基于速度稳态验证结果生成补偿坐标；

通过所述补偿坐标执行所述异常坐标的坐标补偿。

在无纺布上设置预设间隔距离，每隔该预设间隔距离设置一个标识点，这些标识点具有相同的间隔，以确保等长性。通过记录标识点在运动过程中的变化，进行运动速度的稳态验证，具体地，在开始运动前，记录每个标识点的位置坐标，控制无纺布进行运动，使其在一定时间内经过等长标识，通过记录每个标识点在运动过程中的位置变化，验证无纺布运动速度是否稳定，例如比较各个标识点之间的距离变化，检查是否存在速度波动。

根据速度稳态验证结果，确定无纺布在运动过程中的速度变化情况，包括速度波动、加速度或减速度等。当速度变化超过预设阈值时，说明速度出现明显波动或不稳定性，则需要进行补偿来纠正位置误差。根据速度波动、加速度或减速度，计算运动过程中由于速度变化造成的偏差距离，将该偏差距离代入坐标系，获得补偿坐标。

将生成的补偿坐标应用于异常坐标上，通过将补偿坐标添加到异常坐标上，或者替换异常坐标的方式，执行所述异常坐标的坐标补偿，使用补偿后的坐标值来更新原始的异常坐标，以此校正运动过程中由于速度变化引起的位置误差，进而提高数据的准确性和可靠性。

基于聚焦采集结果执行异常检测，生成异常检测结果，并将所述异常检测结果与所述注意区域关联；

使用图像处理算法，例如图像滤波、边缘检测、纹理分析、颜色分析等，对聚焦采集的图像数据进行异常检测，以检测出存在的缺陷、异物或其他异常，通过比较图像特征、阈值设定等方法，获取异常检测结果，这些结果表明图像中哪些区域为异常，还包括异常类型、大小、位置等信息。

使用节点坐标映射将异常区域的坐标转换为注意区域的坐标，使得二者关联，这样可以更准确地确定无纺布中的异常区域，并提供有关这些区域的详细信息。

根据关联结果输出无纺布的检测结果。

将检测到的异常区域在无纺布图像上进行标记，以可视化地表示出存在缺陷、破损或其他异常的位置，并输出每个异常区域的类型，如断经断纬、破损等，以及相应的异常数目，提供对无纺布各种异常情况的统计信息。同时对于每个异常区域，提供更详细的信息，例如异常坐标、尺寸、形状等，使用户能够直观地了解无纺布的检测结果和质量状况。

进一步而言，所述方法还包括：

配置通用CCD传感器，其中，所述通用CCD传感器为进行通用遍历图像采集的传感器；

依据所述通用CCD传感器同步执行数据采集，并将数据采集结果进行注意区域的羽化去除；

建立基准像素灰度值，通过所述基准像素灰度值进行羽化去除后的数据采集结果二值比对；

通过二值比对结果新增异常区域；

根据所述新增异常区域的异常识别和关联结果输出无纺布的检测结果。

选择适合应用需求的通用CCD传感器，通用CCD传感器具有较高的分辨率、灵敏度和动态范围，用于更进一步的图像采集任务。配置通用CCD传感器的参数，包括曝光时间、增益、白平衡等，以及采集模式，例如连续采集或触发采集，配置好的通用CCD传感器用于执行通用遍历图像采集，即对无纺布进行全面扫描，以获取完整的图像数据。

使用所述通用CCD传感器进行数据采集，获取无纺布的图像数据，根据确定的注意区域，将其应用于数据采集结果。针对注意区域进行收缩去除，示例性的，将注意区域的像素值设置为背景值，即用与背景相似的像素值替代它们，从而在数据采集结果中将其消除。

从羽化去除后的数据中选择一个基准像素，获取其灰度值作为参考点，例如选择位于图像中心或具有代表性的像素，这个基准像素灰度值用作后续二值比对的参考。

将经过羽化去除后的数据采集结果的灰度值与基准像素灰度值进行比对，根据比对结果将像素进行二值化，示例性的，如果像素的灰度值大于基准灰度值，将其设为1；如果像素的灰度值小于等于基准灰度值，将其设为0，这样就得到了一个二值图像，其中1表示异常区域，0表示背景区域。

将二值比对结果中标记为1的异常区域提取出来，作为新增异常区域。

对所述新增异常区域进行脏污识别，获取无纺布上脏污这种超声波检测不到的可逆的表面污染；关联结果表示断经断纬、破损这种超声波检测到的异常，将二者结合起来，获取更加全面、准确的无纺布检测结果。

进一步而言，所述新增异常区域的异常识别，包括：

通过大数据建立脏污特征集，并将所述脏污特征集与工厂进行脏污适配，以脏污概率确定特征的匹配约束；

当所述新增异常区域确定后，通过所述脏污特征集以所述匹配约束对所述新增异常区域进行脏污匹配；

基于脏污匹配结果完成异常识别。

收集大量与脏污相关的图像数据，并对脏污区域进行标注，基于图像的颜色、纹理、形状等提取脏污特征，建立包含脏污相关特征的数据集，这个特征集包括多个特征向量，每个特征向量代表一种特征的测量结果。

将脏污特征集与工厂的数据进行适配，通过比较工厂中采集到的数据的特征与脏污特征集，将二者进行相似度计算，将相似度计算结果作为脏污概率，表示工厂脏污特征与大数据脏污特征的匹配程度，较高的脏污概率意味着特征与脏污相关性更高。将脏污概率作为匹配约束，用于判断是否满足脏污特征的匹配条件。

从新增异常区域中提取脏污相应的特征，包括颜色、纹理、形状等，产生特征向量，用于表示新增异常区域的脏污特征。将提取到的新增异常区域的特征向量与脏污特征集中的特征进行相似度计算，例如使用余弦相似度，来比较特征之间的相似程度。根据设定的匹配约束，判断新增异常区域的特征与脏污特征集的匹配情况，如果相似度高于约束值，则认为该区域与脏污相关。根据匹配结果，对被确定为与脏污相关的新增异常区域进行标记，作为脏污匹配结果。

根据匹配结果，对被确定为与脏污相关的新增异常区域进行标记，作为脏污匹配结果，这些结果表示与脏污相关的区域，完成脏污的异常识别。

进一步而言，所述方法还包括：

基于所述检测结果进行异常统计，并记录异常数据集；

对所述异常数据集进行位置和特征的共性聚类，生成共性聚类结果；

判断所述共性聚类结果是否可以进行加工参数映射，若可以进行加工参数映射，则基于映射结果进行加工的反馈控制。

对检测结果进行统计分析，包括每个类型的异常出现的频率、持续时间、空间分布等指标，以明确异常情况的整体趋势和特征，将异常统计结果整合为异常数据集。

从异常数据集中提取位置和特征信息作为输入，应用于K均值聚类算法，执行聚类过程，聚类算法按照相似度度量将异常划分为不同的群组，每个群组代表了具有共性的异常特征，包括相同位置的异常和相同类型的异常。根据聚类算法的输出，生成共性聚类结果，即每个群组的中心，以及与每个群组相关联的异常的信息，共性聚类结果反映了异常在位置和特征上的共性，用于揭示潜在的异常类型和模式。

对生成的共性聚类结果进行分析，获取群组之间的特征差异和共性，包括位置、特征、大小、形状等方面。根据分析结果判断共性聚类结果是否具有足够的区分度和一致性，以使得加工参数的映射和调整能够有效地适应每个群组的特征。

如果可行，定义基于共性聚类结果的加工参数映射规则，这些规则根据每个群组的特征和需求设定，例如针对特定类型的异常设定特定的加工参数值。基于映射结果，将相应的加工参数进行调整，以实现对异常区域的控制。

监测加工过程中的效果，并根据反馈进行参数的实时优化，包括监测异常区域的处理结果、生产质量的变化等指标，以便不断改进和优化加工参数的映射。

综上所述，本申请实施例所提供的一种医用无纺布的检测方法及系统具有如下技术效果：

1.通过配置无纺布检测机架的卷曲拉力并执行无纺布运动控制，记录运动速度，实现对无纺布运动过程的精确控制和速度的准确记录，以确保后续步骤中的数据采集和分析的准确性和可靠性；

2.依次布置超声检测单元和CCD传感器，并记录布置位置坐标和采集坐标，通过构建同一坐标系生成布置位置坐标和采集坐标，可以确保超声检测单元和CCD传感器之间的空间关系和坐标的一致性，为后续的节点坐标映射提供准确的基础；

3.基于布置位置坐标、采集坐标和运动速度，建立超声检测单元的检测结果与CCD传感器采集结果的节点坐标映射，通过建立节点坐标映射，可以实现超声检测单元和CCD传感器数据之间的对应关系，方便后续的异常坐标确定和聚焦采集；

4.通过超声检测单元执行无纺布检测，记录异常坐标，并基于节点坐标映射确定注意区域，然后使用CCD传感器对注意区域进行聚焦采集，并基于聚焦采集结果执行异常检测，可以实现对无纺布材料的全面检测、异常区域的精确定位和异常检测结果的生成；

5.根据关联结果输出无纺布的检测结果，通过将异常检测结果与注意区域关联，可以提供准确的无纺布检测结果，并使其与具体位置和区域相关联，实现准确的异常检测。

综上所述，该医用无纺布的检测方法通过运动控制、坐标映射和聚焦采集等技术，解决了传统方法中的位置记录、区域定位和异常检测准确性等技术问题，实现了对无纺布的全面检测，并生成准确的异常检测结果。

实施例二

基于与前述实施例中一种医用无纺布的检测方法相同的发明构思，如图2所示，本申请提供了一种医用无纺布的检测系统，所述系统包括：

运动控制模块10，所述运动控制模块10用于配置无纺布检测机架的卷曲拉力，并执行无纺布运动控制，记录运动速度；

坐标获取模块20，所述坐标获取模块20用于依次布置超声检测单元和CCD传感器，并记录布置位置坐标和采集坐标，其中，所述布置位置坐标和所述采集坐标通过构建同一坐标系生成；

坐标映射模块30，所述坐标映射模块30用于依据布置位置坐标、采集坐标和运动速度建立超声检测单元的检测结果与CCD传感器采集结果的节点坐标映射；

聚焦采集模块40，所述聚焦采集模块40用于通过超声检测单元执行无纺布检测，并记录异常坐标，基于所述节点坐标映射和异常坐标确定注意区域，并通过所述CCD传感器对所述注意区域进行聚焦采集；

关联模块50，所述关联模块50用于基于聚焦采集结果执行异常检测，生成异常检测结果，并将所述异常检测结果与所述注意区域关联；

结果输出模块60，所述结果输出模块60用于根据关联结果输出无纺布的检测结果。

进一步而言，所述系统还包括异常坐标记录模块，以执行如下操作步骤：

记录所述超声检测单元的发射超声节点和接收回波节点；

对回波进行回波分析，确定缺陷大小、缺陷类型和虚拟标定坐标；

对齐发射超声节点和虚拟标定坐标，并基于所述发射超声节点和接收回波节点的时间差确定漂移时间；

依据所述漂移时间和所述运动速度生成漂移补偿坐标；

通过所述虚拟标定坐标和漂移补偿坐标进行缺陷坐标回溯，并基于回溯结果和缺陷大小、缺陷类型记录异常坐标。

进一步而言，所述系统还包括注意区域确定模块，以执行如下操作步骤：

定位缺陷的中心点坐标，并以所述中心点坐标为基准点，以所述缺陷大小为扩充点，执行定位扩充；

生成规则图形的扩展约束，基于所述扩展约束对定位扩充结果规范扩展，确定注意区域大小；

以所述中心点坐标作为注意区域的区域坐标，以所述缺陷类型作为所述注意区域的识别参考缺陷，完成注意区域确定。

进一步而言，所述系统还包括检测结果输出模块，以执行如下操作步骤：

配置通用CCD传感器，其中，所述通用CCD传感器为进行通用遍历图像采集的传感器；

依据所述通用CCD传感器同步执行数据采集，并将数据采集结果进行注意区域的羽化去除；

建立基准像素灰度值，通过所述基准像素灰度值进行羽化去除后的数据采集结果二值比对；

通过二值比对结果新增异常区域；

根据所述新增异常区域的异常识别和关联结果输出无纺布的检测结果。

进一步而言，所述系统还包括异常识别模块，以执行如下操作步骤：

通过大数据建立脏污特征集，并将所述脏污特征集与工厂进行脏污适配，以脏污概率确定特征的匹配约束；

当所述新增异常区域确定后，通过所述脏污特征集以所述匹配约束对所述新增异常区域进行脏污匹配；

基于脏污匹配结果完成异常识别。

进一步而言，所述系统还包括坐标补偿模块，以执行如下操作步骤：

在所述无纺布建立等长标识，并依据所述等长标识进行运动速度的速度稳态验证；

基于速度稳态验证结果生成补偿坐标；

通过所述补偿坐标执行所述异常坐标的坐标补偿。

进一步而言，所述系统还包括反馈控制模块，以执行如下操作步骤：

基于所述检测结果进行异常统计，并记录异常数据集；

对所述异常数据集进行位置和特征的共性聚类，生成共性聚类结果；

判断所述共性聚类结果是否可以进行加工参数映射，若可以进行加工参数映射，则基于映射结果进行加工的反馈控制。

本说明书通过前述对一种医用无纺布的检测方法的详细描述，本领域技术人员可以清楚得知道本实施例中一种医用无纺布的检测方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述得比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。