針織物疵點自動檢測與分類方法研究.pdf

1、在紡織品生產(chǎn)過程中，針織物的全數(shù)檢驗是質(zhì)量控制的一項重要內(nèi)容，其中針織物疵點是檢驗的重中之重。在現(xiàn)代化科學(xué)技術(shù)的推動下，國內(nèi)紡織品生產(chǎn)技術(shù)在自動化應(yīng)用上已取得長足進(jìn)步，然而針織物疵點檢驗環(huán)節(jié)卻依舊主要依賴于人工操作檢驗，這種檢驗方法存在明顯的局限性，如檢測人員易疲勞、注意力易分散、受主觀因素影響大導(dǎo)致誤檢率、錯檢率高等。針織物疵點自動檢測技術(shù)已成為制約紡織行業(yè)進(jìn)一步發(fā)展的“絆腳石”，如何用計算機(jī)視覺代替人工視覺驗布已成為研究重點。

2、>　　為了對針織物疵點自動檢測技術(shù)進(jìn)行深一步研究，本課題主要對以下內(nèi)容進(jìn)行了研究：
　　1、對圖像采集系統(tǒng)采集到的針織物疵點圖像進(jìn)行灰度轉(zhuǎn)換、光照不均校正、中值濾波、二值化等預(yù)處理，可在一定程度上消除針織物本身的紋理特征，凸顯其疵點特征；并創(chuàng)新提出一種基于圖像灰度標(biāo)準(zhǔn)差的在線疵點快速檢驗方式，提高了檢測系統(tǒng)的檢測效率。
　　2、采用具有緊支撐正交性的db1小波作為分解小波，對預(yù)處理之后得到的圖像進(jìn)行二層Mallat小波分解，

3、得到的水平高頻細(xì)節(jié)圖和垂直高頻細(xì)節(jié)圖可以較清晰地反映針織物經(jīng)向和緯向的疵點信息，為接下來提取紋理特征值提供便利。
　　3、研究了構(gòu)造灰度共生矩陣時，三個構(gòu)造參數(shù)對紋理特征值的影響，通過試驗明確構(gòu)造參數(shù)的實際取值。利用MATLAB中的IMPROFILE函數(shù)得到針織物紋理子圖像的紋理周期，結(jié)合構(gòu)造參數(shù)的取值對經(jīng)緯紋理子圖像進(jìn)行窗口分割。在每個窗口內(nèi)分別提取織物經(jīng)向和緯向的四個紋理特征值。由于選取的四個特征值的計算絕對值不在同一個數(shù)量級

4、且各自的波動范圍也不相同。為對不同特征值有統(tǒng)一度量，也為后續(xù)極限學(xué)習(xí)機(jī)分類疵點時有一致輸入，故對所有特征值進(jìn)行數(shù)據(jù)歸一化處理。最后將待檢織物圖像的特征值曲線和正?？椢飯D像的特征值曲線進(jìn)行比較，即可確定疵點產(chǎn)生區(qū)域。
　　4、建立了極限學(xué)習(xí)機(jī)訓(xùn)練模型，每種疵點各選擇50張圖像的特征值作為實驗數(shù)據(jù)。極限學(xué)習(xí)機(jī)訓(xùn)練結(jié)束后，每種疵點各選擇20個圖像用于測試訓(xùn)練結(jié)果的準(zhǔn)確性，將檢測出的結(jié)果與實際樣品人為比對得出測試結(jié)果準(zhǔn)確率。為測試極限學(xué)習(xí)