布匹瑕疵在线检测技术研究

《布匹瑕疵在线检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、布匹瑕疵在线检测技术研究布匹瑕疵在线检测技术研究布匹瑕疵检测是纺织行业生产和质量管理的重要坏节之一，机器视觉技术的发展使得布匹的在线检测成为可能。通过分析采集的布匹纹理特征，应用机器视觉技术能快速检测出布匹上的瑕疵。布匹图像经过预处理后，再经形态学算子的开运算和闭运算，即可准确定位布匹瑕疵，为后处理提供依据。在纺织印染产品的生产屮，布面瑕疵是影响布匹质最的重要因素Z—，布匹表血瑕疵检验是布匹生产的重要坏节。到目前为止,布匹瑕疵的检验一般是由人眼来完成的。其具体的检验过程如下:在一定灯光照明条件下，工人控制布匹的转动,用肉眼扫描检验台

2、范围内的布匹，如果发现瑕疵则停止转动布匹,判断瑕疵的类型并在和应的位置打上标记，同时在报告单上记录瑕疵的其它信息，然后继续布兀的转动。待一卷布检查完后，工人就可以根据报告单上的统计结果，对布匹的级别做出粗略的评价，最后根据布匹上标记的位置和类型，对出现瑕疵的布匹进行处理。这种方法自动化程度太低。人工的检测速度一般是15-20米/分,在这种速度下，一个检测人员只能完成宽幅为0.8-1米的布匹的检验，布匹的检验和整理已然成为整个生产过程的瓶颈；人工检测严重地依赖于验布人员的经验、熟练程度及别的一些主观因素，再加上工作时间一比眼睛容易疲劳

3、，尤其是一些具冇三维图案的布匹，眼睛容易发花，因而常会出现误检和漏检。据测试，即便是最熟练的验布工人也只能发现70%左右的瑕疵点。由此可见，传统的人工瑕疵检测方法劳动强度高,漏检率和误检率高，且易受主观因素的影响，因而急需一种新颖、快速、检出率高的布匹瑕疵检测技术来替代人工检验工作。1机器视觉技术在布匹瑕疵检测中的应用状况随着数字集成技术和图像处理技术的快速发展，机器视觉技术在工业产品表而检测领域屮的应川越來越广泛，基于机器视觉的验布技术将成为纺织领域必然的发展趋势。机器视觉能够不知疲倦、始终如一地观测布匹，并且这种观测是非接触式的

4、，不会对布匹造成损害。基于机器视觉技术的布匹检测系统结构图如图1所示。标准样本预处理图1布匹检测系统结构图当前，国内外将机器视觉技术应用于布匹检测疵点最常见的方法冇：灰度统计特征分析法、功率谱匹配法和形态学运算分析法。在灰度统计特征分析法中,应先计算岀标准的无疵点布匹图像的自相关函数，根据该自相关函数求得布匹纹理基元模板的尺寸，即为该布匹图像上的滑动窗口，也即了窗口。然后计算出每个子窗口的像索点的平均灰度，求其L的人小（平均灰度的平均值）和R的人小（标准差值），最后根据公式T二》+Z。（其中Z为疵点检测的严格系数）求出判断阈值。实际

5、检测中,则需要轮流计算待检布匹图像的所有子窗口的像素点的平均灰度，并将该灰度值与前而所求得的判断阈值进行比较，即可判断岀该窗口是否带有瑕疵，这样，整幅布匹的图像到底有无疵点就可以做出判断了。在功率谱匹配法中，需要先应用计算机软件对布匹的图像进行FFT变换（光学傅里叶变换），经两点FFT计算出图像的频域功率谱,计算出较多的布匹图像的特征参量（不同参量的变化表示了不同的疵点类型），最后通过训练BP神经网络进行疵点布匹的检测和分类。在形态学运算分析法中，也应先计算出标准的无疵点布匹图像的口相关函数，根据该口和关函数求得布匹纹理基元模板的大

6、小，然后再计算岀有疵点布匹图像像素点的灰度平均值和标准偏差，布匹图像疵点区域与非疵点区域的判定阈值即可根据以上所求的参数來确定。实际检测时，需要先将待检布匹图像的像素点与该判别阈值进行逐点比较，再对该待检布匹的图像进行二值化，然后组介应用形态运算中的膨胀运算和腐蚀运算，来判定待检布匹是否带有疵点。以上所述的三种方法屮，形态运算分析法作为一•种非线性滤波方法，能够快速判定布匹疵点的类別，并且对较小尺寸的疵点具有较强的检测能力。因而,在要求不漏检各种疵点的场合下应优先考虑使用形态运算分析法。2实验结果与分析2.1形态学算子数学形态学是一

7、门以集合论概念为基础，通过选取合适的结构元索来实现口标特征捉取的学科，是一种非线性图像处理的重要方法。最基本的算子为二值形态学算子，以二值图像为输入图像。由于二值形态学算子在实际应用中具有简单、快速的特点，因此形态学方法在图像处理领域中有广泛的应用。2.2图像预处理由CCD木］肌所采集到的图像，由丁•光照不均匀和各相机曝光时间不统一等因素，会导致图像的灰度不一致。在预处理阶段，可使用灰度均衡来消除该问题，同时也可加强图像的特征，为进一步的图像分析做准备。2.3瑕疵检测瑕疵检测是完成对布匹图像上瑕疵的检测，找出瑕疵并定位。研究瑕疵检测

8、算法主要是针对256*256的标准子图像进行分析的，而最终的瑕疵检测程序则调用该算法进行具体检测。所以瑕疵检测程序首先要把采集的原始图像进行分块，然后分别对各个小块进行瑕疵检测。具体思路是：阈值处理这些图像以得到二值图像，由已知的无疵