基于机器视觉的织物疵点自动检测系统

基于机器视觉的织物疵点自动检测系统

ID:6068403

大小:33.00 KB

页数:3页

时间:2018-01-01

基于机器视觉的织物疵点自动检测系统_第1页
基于机器视觉的织物疵点自动检测系统_第2页
基于机器视觉的织物疵点自动检测系统_第3页
资源描述:

《基于机器视觉的织物疵点自动检测系统》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于机器视觉的织物疵点自动检测系统织物疵点检测模块完成对织物图像上疵点的检测,找出疵点并定位。该模块由基于局部熵的粗检阶段和基于小波分析的细检阶段两部分组成。首先把经过预处理的图像分成同样大小的局部窗口,再计算每个局部窗口的熵,选取熵最小的窗口作为疑似区域,再对疑似区域进行小波分解,从而准确识别疵点是否存在,以及疵点的位置,为下一步分类等工作做好充分的准备。疵点检测程序首先要把疑似区域图像进行分块,然后分别对各个小块进行疵点检测。检测算法选用自适应小波分解算法,对实时性要求高,所以对算法的速度有很高的

2、要求。首先利用正常的布匹图像对算法进行训练,得到优化选择的小波和正常的织物特征参数;然后在检测时把图像分解成4个1/4大小的LL、LH、HL、HH子图像,通过对子图像的特征参数分析,判断是否存在疵点。  疵点检测模块可以得出疵点的图像信息。这些信息及时的保存到织物疵点信息数据库中,以免由于处理不及时而导致疵点信息的丢失。系统可以根据这些疵点信息,对疵点进行分类,综合判定布匹的等级,进而对疵点进行修整、查找形成疵点的原因等工作。织物疵点信息数据库建立在SQLServer2000数据库管理平台上,以实现疵

3、点信息的共享,为后面的工艺流程提供信息支持。  3.织物自动检测过程  织物疵点自动检测系统总体流程图如图2所示,该流程图清楚地表明织物检测过程经图像采集与处理、局部熵粗检、小波细检、疵点信息存储等几个关键环节,在检测过程中逐步排除正常织物图像,而疑似区域图像须经局部熵粗检和小波细检两步检测,方可确定有无疵点。这样,既减轻了系统硬件负担,不必为正常织物浪费过多的时间和空间;另外疑似区域经两遍检测方可确定疵点,又提高了疵点判定的准确率。  4.两步检测法的实现  随着设备更新改造、生产技术水平的不断提高

4、,坯布质量大有改进,织物疵点率一般都小于5%。在研究相关成果时发现,在织物疵点自动检测过程中,无论运用哪种检测方法,都是自始至终地对整匹坯布,无论是正常织物还是疵点织物采用同一种方法全数进行检测。这样势必造成绝大部分检测工作都是针对无疵点布面进行的,特征参数多、计算量大、存储量大,严重降低了检测速度,软硬件均造成很大的浪费。而软硬件成本太高也正是现有国外商用织物疵点自动检测系统产品不能得到推广的主要原因之一。在总结前人经验教训的基础上,首次提出对织物进行先粗检,后细检的两步检测法。  粗检利用局部熵进

5、行,将经直方图均衡化预处理后的织物图像分成相同大小的窗口,对每个窗口进行局部熵的计算,然后与正常织物局部熵阈值对比,把局部熵较小的窗口设为疑似区域,作为疵点可能存在区域保存其图像并准备进行下一步细检;而局部熵较大的窗口则判为正常织物,图像不再存留。由于95%以上的织物均为正常织物即合格产品,所以大部分织物图像可以不再保存,这样,一方面提高了图像处理速度,另一方面可以降低对系统软硬件的要求,为降低系统成本打下良好基础。接下来对局部熵较小的疑似区域进行小波细检,利用单层自适应小波对粗检阶段筛查出来的疑似区

6、域进行图像一层分解,在得到的四个子图中,舍去信息含量少的HH子图,而对其他三个子图进行特征参数即标准差和极差的提取,经统计后与正常织物标准值相对比,计算出偏差,如偏差大于一定阈值,则可确定图像存在疵点,否则,偏差过小,则为正常织物,图像可丢弃。  5.总结  两步检测法可充分考虑织物疵点率小于5%的实际情况,将95%以上的正常织物及早排除掉,这样既可提高检测速度,又可降低硬件投入;采用两步对疑似区域进行重复检测,提高了检测的准确率,降低了漏检、误检率,最终达到低成本、高检测速度、高检测精度的良好效果。

7、  参考文献:  [1]姚穆.来凯.孙润军.纺织检测技术与仪器的回顾及前瞻.棉纺织技术,2003.3,31(2):16~19页  [2]HTChoi,SHJeong,SRKim,JYJaung,SHKim.Detectingfabricdefectswithcomputervisionandfuzzyrulegeneration(PartII).TextileResearchJournal,2001,71(7):563-573  [3]贡玉南.织物疵点检测研究.上海:东华大学博士论文.1999:1-1

8、0页  [4]章毓晋.图像处理和分析.北京:清华大学出版社.1999

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。