羽毛片缺陷檢測(cè)若干關(guān)鍵技術(shù)的研究.pdf

1、我國(guó)是羽毛球運(yùn)動(dòng)強(qiáng)國(guó)，同時(shí)也是世界上最大的羽毛球生產(chǎn)國(guó)。作為羽毛球的最主要部件，羽毛片的質(zhì)量直接影響著羽毛球成品的質(zhì)量。
　　由于羽毛在自然生長(zhǎng)和后期加工過(guò)程中會(huì)受到損壞，羽毛片上可能存在著各種缺陷，這些缺陷嚴(yán)重影響著羽毛片的質(zhì)量。檢測(cè)羽毛片是否存在缺陷是制作羽毛球最困難的工序之一，當(dāng)前羽毛片缺陷檢測(cè)工作主要由人工完成。人工檢測(cè)勞動(dòng)強(qiáng)度大、效率低下，并且檢測(cè)質(zhì)量受工人個(gè)體能力、經(jīng)驗(yàn)等因素的影響，易造成漏檢和誤檢。
　　為了提

2、高生產(chǎn)效率和保證產(chǎn)品質(zhì)量，有必要研究基于機(jī)器視覺(jué)的羽毛片自動(dòng)檢測(cè)技術(shù)。本課題的研究有助于降低產(chǎn)品的生產(chǎn)成本、減少企業(yè)的用工需求，積極推動(dòng)羽毛球制造業(yè)從勞動(dòng)密集型產(chǎn)業(yè)向技術(shù)密集型產(chǎn)業(yè)的升級(jí)。因此，課題的研究有著重要的理論意義和實(shí)用價(jià)值。
　　當(dāng)前，機(jī)器視覺(jué)技術(shù)已經(jīng)在一些行業(yè)中得到了廣泛應(yīng)用。與之相比，羽毛片機(jī)器視覺(jué)檢測(cè)技術(shù)的研究起步較晚，機(jī)器視覺(jué)技術(shù)在羽毛球制造行業(yè)仍處于應(yīng)用初期階段。目前可檢索到的關(guān)于羽毛片視覺(jué)檢測(cè)方面的論文不多，

3、已有的研究主要集中在羽毛桿折印檢測(cè)以及羽毛片的彎度、拱度等尺寸指標(biāo)測(cè)量方面，有關(guān)羽毛片缺陷檢測(cè)方面的資料很少。
　　本文以羽毛片為研究對(duì)象，對(duì)羽毛片缺陷檢測(cè)的硬件設(shè)備及軟件系統(tǒng)、羽毛片圖像的光照校正、平滑降噪、缺陷分割、缺陷特征提取和缺陷分類(lèi)識(shí)別方法等內(nèi)容進(jìn)行了深入的研究，為提高羽毛球制造設(shè)備的自動(dòng)化水平進(jìn)行了有益的探索。本文主要的研究成果及創(chuàng)新點(diǎn)簡(jiǎn)述如下:
　　1.針對(duì)測(cè)試羽毛片缺陷檢測(cè)算法性能的需要，構(gòu)建了缺陷羽毛片的圖

4、像庫(kù)和羽毛片典型缺陷的樣本庫(kù)，為研究人員提供了一致的實(shí)驗(yàn)樣本，解決了不同研究人員由于實(shí)驗(yàn)樣本的差異而難以準(zhǔn)確比較相關(guān)算法性能的問(wèn)題。
　　2.針對(duì)羽毛片的空間曲面結(jié)構(gòu)引起的羽毛片圖像光照分布不均勻的問(wèn)題，提出了改進(jìn)的基于Retinex理論的光照校正算法，提升了圖像的對(duì)比度，改善了圖像的質(zhì)量，使得圖像的細(xì)節(jié)更加清晰，為準(zhǔn)確檢測(cè)羽毛片缺陷提供了基礎(chǔ)。
　　3.由于受圖像噪聲和羽毛天然紋理的影響，羽毛片上的缺陷特征并不清晰。本文提

5、出了一種改進(jìn)的各向異性的均值漂移算法，用于羽毛片圖像的平滑降噪。與幾種典型的降噪算法相比，實(shí)驗(yàn)結(jié)果顯示該算法在客觀指標(biāo)評(píng)價(jià)和主觀視覺(jué)感受方面都更好。本文算法在有效降噪的同時(shí)，實(shí)現(xiàn)了對(duì)羽毛片紋理的適度平滑，并較好的保留了缺陷信息，為后續(xù)處理提供了目標(biāo)清晰的預(yù)處理圖像。
　　4.羽毛片缺陷種類(lèi)多、形態(tài)變化豐富。變分水平集圖像分割方法具有分割準(zhǔn)確、無(wú)需人工參與和適合多目標(biāo)分割等優(yōu)點(diǎn)，但存在迭代次數(shù)多、效率較低的不足。結(jié)合預(yù)處理后羽毛片圖

6、像的特點(diǎn)和缺陷分割的需要，提出了一種改進(jìn)的C-V水平集模型，在滿足分割精度要求的前提下減少了輪廓線演化的迭代次數(shù)和算法運(yùn)行時(shí)間，提高了算法的效率。
　　5.根據(jù)羽毛片缺陷的特點(diǎn)，分別提出了羽毛片缺陷的顏色特征、形狀特征和紋理特征的提取算法，并針對(duì)羽毛片的四類(lèi)常見(jiàn)缺陷提出了相應(yīng)的識(shí)別方法。本文先分別提取缺陷的各類(lèi)特征，然后根據(jù)需要再組成混合特征向量進(jìn)行缺陷識(shí)別。該方法可在準(zhǔn)確識(shí)別缺陷的同時(shí)使特征向量具有較低的維數(shù)。
　　本文結(jié)