基于機(jī)器視覺的織物疵點(diǎn)自動(dòng)檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、本文針對(duì)目前驗(yàn)布采用傳統(tǒng)的人工檢測(cè)方法,存在著速度慢、漏檢率和誤檢率高、勞動(dòng)強(qiáng)度及主觀性大等缺點(diǎn),利用數(shù)字圖像處理技術(shù)研制和開發(fā)了基于機(jī)器視覺的織物疵點(diǎn)自動(dòng)檢測(cè)系統(tǒng),實(shí)現(xiàn)了織物圖像采集與處理、織物疵點(diǎn)檢測(cè)、織物疵點(diǎn)信息存儲(chǔ)等功能。 本文在國內(nèi)首次提出先粗檢后細(xì)檢的兩步檢測(cè)法,這種新方法首先利用局部熵檢測(cè)算法進(jìn)行粗檢,將經(jīng)直方圖均衡化預(yù)處理后的織物圖像分成相同大小的窗口,對(duì)每個(gè)窗口進(jìn)行局部熵的計(jì)算,然后與正?？椢锞植快亻撝祵?duì)比,把

2、局部熵較小的窗口設(shè)為疑似區(qū)域,作為疵點(diǎn)可能存在區(qū)域保存其圖像并準(zhǔn)備進(jìn)行下一步細(xì)檢：而局部熵較大的窗口則判為正?？椢?圖像不再存留。由于95％以上的織物均為正常織物即合格產(chǎn)品,所以大部分織物圖像可以不再保存,這樣,-方面提高了圖像處理速度,另一方面可以降低對(duì)系統(tǒng)軟硬件的要求,為降低系統(tǒng)成本打下良好基礎(chǔ)。接下來進(jìn)入細(xì)檢階段,采用單層自適應(yīng)小波分析的檢測(cè)算法,對(duì)粗檢階段篩查出來的局部熵較小的疑似區(qū)域進(jìn)行圖像一層分解,在得到的四個(gè)子圖中,舍去信

3、息含量少的HH子圖,而對(duì)其他三子圖進(jìn)行特征參數(shù)即標(biāo)準(zhǔn)差和極差的提取,經(jīng)統(tǒng)計(jì)后與正?？椢飿?biāo)準(zhǔn)值相對(duì)比,計(jì)算出偏差,如偏差大于一定閾值,則可確定圖像存在疵點(diǎn),否則,偏差過小,則為正?？椢?圖像可丟棄。本文在該方法的基礎(chǔ)上,利用SQL server 2000、PowerBuilder 9.0對(duì)系統(tǒng)進(jìn)行了實(shí)現(xiàn),并進(jìn)行了大量的驗(yàn)證實(shí)驗(yàn)與應(yīng)用實(shí)驗(yàn),取得了翔實(shí)的數(shù)據(jù)。 本系統(tǒng)為織物疵點(diǎn)檢測(cè)提供了一種檢測(cè)速度快、精度高、成本低、易操作、實(shí)用性較