布匹疵點(diǎn)在線檢測(cè)系統(tǒng)研究.pdf

1、布匹疵點(diǎn)檢測(cè)是紡織行業(yè)生產(chǎn)和質(zhì)量管理的重要環(huán)節(jié)之一，目前人工檢測(cè)速度慢，勞動(dòng)強(qiáng)度大，受主觀因素的影響，缺乏一致性和可靠性。計(jì)算機(jī)視覺技術(shù)隨著大規(guī)模集成電路和圖像處理技術(shù)的發(fā)展，在工業(yè)表面檢測(cè)領(lǐng)域有了越來越多的應(yīng)用，基于機(jī)器視覺的檢測(cè)系統(tǒng)已成為布匹檢測(cè)未來發(fā)展的必然趨勢(shì)。
　　 文中首先指出單一的方法并不能在實(shí)時(shí)條件下完成疵點(diǎn)檢測(cè)所有任務(wù)，并首次提出了疵點(diǎn)在線檢測(cè)系統(tǒng)的三層結(jié)構(gòu)，分別完成疵點(diǎn)判別、疵點(diǎn)分割和疵點(diǎn)分類三個(gè)功能，并設(shè)計(jì)

2、了檢測(cè)系統(tǒng)與之對(duì)應(yīng)的各部分硬件和軟件結(jié)構(gòu)，三層結(jié)構(gòu)大大提高了系統(tǒng)實(shí)時(shí)性。文中分析造成圖像灰度不一致的兩個(gè)主要因素后，分別提出了光照空間分布不一致和光源波動(dòng)的在線校正算法。本文提出的校正方法均不需要獨(dú)立標(biāo)定，容易實(shí)現(xiàn)、準(zhǔn)確率高，能大大改善了圖像質(zhì)量。
　　 本文提出了模糊類別共生矩陣及其特征和基于距離的異常點(diǎn)檢測(cè)方法作為疵點(diǎn)判別的實(shí)時(shí)算法，這種方法中色調(diào)集合替代了灰度級(jí)。文中論述了色調(diào)集合的劃分、模糊色調(diào)集合隸屬度函數(shù)的擬合和間距

3、參數(shù)的選取等問題，并討論了該算法的實(shí)時(shí)實(shí)現(xiàn)。實(shí)踐證明該方法在保證了檢測(cè)準(zhǔn)確率的同時(shí)，實(shí)時(shí)性能上遠(yuǎn)遠(yuǎn)優(yōu)于已提出的多數(shù)方法。
　　 本文通過定義分辨力函數(shù)，以合成疵點(diǎn)圖像為研究對(duì)象，提出了在實(shí)時(shí)應(yīng)用中對(duì)各種不同的紋理圖像能快速確定Gabor 濾波器組參數(shù)的方法：疵點(diǎn)分割中只需用到實(shí)Gabor 濾波器；方位角只需取水平和垂直方向，徑向中心頻率和FIR 濾波器長度的選取依賴于布面紋理的固有頻率。本文提出的方法使得濾波器個(gè)數(shù)減少到4個(gè)，大

4、大提高了算法的實(shí)時(shí)性的同時(shí)，仍能正確地分割出大多數(shù)的疵點(diǎn)。且整個(gè)疵點(diǎn)分割過程無需離線標(biāo)定參數(shù)，對(duì)噪聲不敏感。
　　 本文分別采用基于Blob 分析和基于類別行程共生矩陣來恢復(fù)疵點(diǎn)全局信息，并提取疵點(diǎn)區(qū)域的幾何特征和異常行程長度作為疵點(diǎn)評(píng)分依據(jù)。本文提出的兩種方法相比許多監(jiān)督分類方法而言，不需要事先收集到疵點(diǎn)樣本，也不需要離線標(biāo)定參數(shù)，就能成功地將疵點(diǎn)分為三大類進(jìn)行評(píng)分。
　　 本文還探討了基于蟻群聚類算法的疵點(diǎn)檢測(cè)方法，