織物瑕疵在線檢測技術(shù)的研究和實現(xiàn).pdf

1、紡織業(yè)的發(fā)展一直推動我國經(jīng)濟發(fā)展。隨著經(jīng)濟國際化和市場經(jīng)濟的推動，紡織品質(zhì)量成為影響企業(yè)競爭力的關(guān)鍵因素。過去20多年，瑕疵檢測主要依靠官能檢測，人眼的累乏或環(huán)境的危險都無法保證紡織品的質(zhì)量。隨著信息時代來臨，計算機開始走進幾乎所有領(lǐng)域，工業(yè)自動化也越來越勢不可擋。而基于機器視覺的織物瑕疵檢測系統(tǒng)的研究則可以有效做到紡織品質(zhì)量控制，且控制人工支出。基于現(xiàn)有的國內(nèi)圖像處理技術(shù)相關(guān)研究成果，還沒有推出能面向市場的實時、在線的織物檢測系統(tǒng)，則

2、有必要對在線檢測算法進行進一步研究。
　　為了實現(xiàn)在線檢測，各環(huán)節(jié)需要選取最適合系統(tǒng)的算法，即最高效和最符合需求的算法。檢測算法是其中的關(guān)鍵，用于區(qū)別正常與異常紋理，之后基于一些區(qū)分準則提取缺陷所在區(qū)域。除此之外，檢測算法還有特征提取、缺陷分類等環(huán)節(jié)，獲取可以表征紋理的信息，再指定分類學習算法分辨信息。
　　本文主要研究了以下幾個內(nèi)容:
　　1.對采集的圖像進行預處理。研究分析各類噪聲處理算法，消減甚至消除因為系統(tǒng)或圖

3、像獲取、傳輸過程中帶來的各類不利噪聲。研究閾值分割和圖像增強常用算法，使經(jīng)過預處理的圖像最接近檢測目標要求。
　　2.提出基于LSD的改進算法，用于研究和實現(xiàn)毛巾計數(shù)。邊沿是分割毛巾織面的標志，表現(xiàn)為一條直矩塊。通過確定邊沿中心點明確毛巾編號，方便瑕疵區(qū)域檢測出之后，確定瑕疵位置。該算法先將圖像進行簡單的邊緣處理，之后直線檢測，來代替縮放達到消除鋸齒效果，再進行梯度計算和尋找最長連通向量，然后處理經(jīng)緯灰度變化，確定邊沿的中心點。實

4、驗表明，此算法邊沿識別率高于其他算法。
　　3.提出了基于模板匹配的檢測算法。根據(jù)經(jīng)緯灰度變化周期在標準圖中提取紋理基元后，在目標圖中采用基于灰度的模板匹配方法定位基元，通過減少匹配信息和縮小搜索范圍來減少運算量，再根據(jù)邊沿位置和基元位置構(gòu)建可變模板，再與目標圖差分實現(xiàn)瑕疵檢測。并與其他算法效果對比，證明有更高的瑕疵檢出率。
　　4.提出了基于區(qū)域分割的區(qū)域生長法的后處理算法，用于研究瑕疵分割和特征提取。種子選取后生長覆蓋整

5、個區(qū)域，再進行區(qū)域合并，意在合并一些點狀、散狀瑕疵，提高了瑕疵分割的準確率，便于特征提取。對大量特征值甄別，選取最適當?shù)奶卣饕詼p少運算量。對比其他的后處理算法，此算法對于分割有更好的效果。
　　5.重點研究BP神經(jīng)網(wǎng)絡(luò)機制并根據(jù)本論文瑕疵特征進行設(shè)計。進行了瑕疵分類的算法對比研究，尤其是BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、模型構(gòu)建中的前饋算法、反傳播算法的研究，后又進行設(shè)計與學習。
　　6.基于OpenCV的軟件平臺開發(fā)。軟件可以連接攝像頭