色織物瑕疵點智能識別與分類.pdf

1、色織物的瑕疵點檢測作為紡織企業(yè)保證紡織品質(zhì)量一種重要方式，傳統(tǒng)的人工檢測方式存在檢測速度慢、檢測精度低、主觀性強等缺點，因此，基于機器視覺的色織物瑕疵點自動檢測系統(tǒng)的研究對紡織工業(yè)自動化進程的推進具有十分深遠的意義。本文研究的內(nèi)容主要包括色織物紋理周期自動提取算法、色織物瑕疵點自動檢測算法、色織物瑕疵點自動分類算法以及基于機器視覺的色織物瑕疵點自動檢測系統(tǒng)。具體研究工作如下：
　?。?）針對色織物紋理周期自動精確提取問題，提出基于

2、累加距離匹配度函數(shù)及其一階前向差分的色織物紋理周期自動提取算法。實驗結(jié)果表明：基于累加距離匹配度函數(shù)及其一階前向差分的方法可以快速、有效、精確地自動提取近似規(guī)則的色織物紋理周期，且具有良好的通用性、抗畸變和抗噪聲能力。
　　（2）針對色織物瑕疵點檢測問題，提出基于色織物紋理周期自動提取和局部二值模式相結(jié)合的檢測算法。色織物紋理周期自動提取算法自適應(yīng)地決定了檢測單元格的尺寸，提高了檢測精度，局部二值模式 LBP具有光照不變性和旋轉(zhuǎn)不

3、變性，增強了方法的魯棒性。此外，色織物紋理周期自動提取算法和局部二值模式 LBP都具有計算復(fù)雜度低的特點，保證了瑕疵點檢測算法的實時性。實驗結(jié)果表明：該算法對于檢測常見色織物瑕疵點，性能表現(xiàn)良好。
　　（3）針對色織物瑕疵點分類問題，提出基于色織物瑕疵點幾何特征和紋理特征相結(jié)合的組合特征作為隨機森林分類器的輸入。通過過濾和去除與瑕疵點區(qū)域不相關(guān)的正常區(qū)域的信息，基于色織物瑕疵點的二值圖像和紋理圖像被用來提取色織物瑕疵點的組合特征參

4、數(shù)。根據(jù)色織物瑕疵點的二值圖像，提取6個瑕疵點相關(guān)的幾何特征參數(shù)；根據(jù)色織物瑕疵點區(qū)域的紋理圖像，提取2個色織物瑕疵點相關(guān)的紋理特征。將兩者特征組合，并做歸一化處理作為隨機森林分類器的輸入特征參數(shù)，基于隨機森林分類器分類結(jié)果的不確定性，對相同的特征輸入，進行10次隨機森林分類實驗，取10次分類結(jié)果的平均值作為隨機森林分類器的分類率，獲得的分類率為83％，對分類錯誤的情況進行分析發(fā)現(xiàn)，實驗中選取的組合特征可以有效的反應(yīng)多網(wǎng)瑕疵點，稀路瑕疵