織物疵點自動檢測技術的研究

  摘要： 介紹了基于圖像處理的織物疵點檢測技術，通過分析從圖像中發(fā)現(xiàn)異常的紋理結(jié)構(gòu)，從而確定織物疵點。介紹了目前國內(nèi)外在織物疵點自動檢測技術研究領域中應用較廣泛，而且比較新興的幾種方法。
　　關鍵詞：　疵點自動檢測；織物疵點；圖像分析

　　0　 前言

　　在紡織品生產(chǎn)過程中，質(zhì)量控制與檢測是非常重要的，織物疵點檢測是其中重要的一部分。目前國內(nèi)織物檢測基本上是由人工視覺來完成。在檢測過程中，由于人眼視覺存在偏差，首先，一個檢驗員精力集中的長時間只有20 min~30 min，超過這個時間就會疲勞，檢驗員的注意力就會降低引起漏檢。其次，一個檢驗員的工作狀態(tài)受到外界因素，如疵點類型和大小、頻率、天氣、身體情況影響會不斷變化，較低的重現(xiàn)率并不奇怪，也會影響檢測結(jié)果。

　　基于以上原因，織物疵點的自動檢測技術是近年來國內(nèi)外學者共同關注和研究的熱門課題之一。隨著計算機技術、數(shù)字圖像技術和神經(jīng)網(wǎng)絡技術的不斷發(fā)展，使得基于圖像處理的織物疵點自動檢驗技術成為可能。

　　1　 織物疵點自動檢測過程

　　織物疵點自動檢測過程包括織物圖像采集、圖像預處理、圖像分析處理、織物疵點檢測分類、檢測結(jié)果統(tǒng)計分析等階段（見圖1）。織物疵點自動檢測技術的核心內(nèi)容是對采集的織物圖像進行分析處理的方法。

　　2　 織物疵點檢測方法

　　2.1　 基于數(shù)學形態(tài)學的織物疵點檢測技術
　
　　數(shù)學形態(tài)學是一門新的圖像分析科學，其基本理論和方法在視覺檢測領域已取得了非常成功的應用。數(shù)學形態(tài)學可以用來解決抑制噪聲、特征提取、圖像分割、紋理分析等圖像處理問題。數(shù)學形態(tài)學圖像處理是以幾何學為基礎的，它著重研究圖像的幾何結(jié)構(gòu)，這種結(jié)構(gòu)表可以分析對象的宏觀性質(zhì)或微觀性質(zhì)?？椢锏暮暧^性質(zhì)量具有非常顯著幾何紋理特征，當織物上有疵點時其紋理特征發(fā)生變異。在數(shù)學形態(tài)學中，用集合來描述織物圖像目標，在考察織物圖像時，可以設計一個收集織物圖像信息時的“探針”，稱為結(jié)構(gòu)元素，利用結(jié)構(gòu)元素去探查每一幅織物圖像，看是否能夠?qū)⑦@個結(jié)構(gòu)元素很好地與考察圖像匹配。從而提取有用的信息作織物圖像的結(jié)構(gòu)分析和描述。

　　數(shù)學形態(tài)學檢測織物疵點首先對沒有任何疵點的織物圖像進行檢測，得到表示這種織物紋理特征的參數(shù)，作為檢測這一品種織物圖像的結(jié)構(gòu)元素。將輸入的織物圖像進行預處理，其中包括平移、旋轉(zhuǎn)運算，對織物圖像定位。將輸入的織物圖像進行二值化處理。根據(jù)影像的灰度直方圖，用判別分析法計算織物數(shù)字攝影的閾值。通過下面公式將灰度值表示的織物影像二值化，得到二值化織物影像。

　　g(i,j)=1　 f(i,j)≥t
　　g(i,j)=0　 f(i,j)≤t　　 其中f(i,j)指灰度值，t為闕值。

　　用已經(jīng)建好的結(jié)構(gòu)元素對二值化織物影像進行考察。對能與結(jié)構(gòu)元素很好匹配的部分進行腐蝕運算；對無法與結(jié)構(gòu)元素匹配的部分（即疵點存在的部分）進行膨脹運算，使疵點影響像更為清晰化。后根據(jù)已知的疵點圖像（已建立的織物疵點圖庫）和從以上分析所得到疵點部分灰度閾值確定疵點的類型。

　　2.2　 用小波變換的方法進行織物疵點檢測
　
　　小波變換是由短時傅立葉變換發(fā)展起來的應用數(shù)字分支，具有多尺度的特點以及時域、頻域表征信號局部特征的能力。小波變換中由于引入了尺度因子，使之具有分析頻度降低時視野自動放寬的特點，能夠?qū)⒏鞣N交織在一起的頻率組成的混合信號分解成不相同頻率的塊信號，能有效地應用于模式識別，特別適用于織物疵點檢測。

　　織物疵點是由于織造過程中經(jīng)緯紗不規(guī)則交織造成的。在疵點形成的局部區(qū)域內(nèi)，其紋理特征明顯不同于正?？椢锝M織結(jié)構(gòu)紋理?；谶@些差異，應用小波變換既能獲得局部信息又能在時域和頻域上同時實現(xiàn)任意尺度和角度變換的檢測特性，檢測織物疵點。

　　通過對織物紋理模型和頻譜分析，估計出適應織物紋理結(jié)構(gòu)模型的佳小波變換尺度和旋轉(zhuǎn)角度。由于織物疵點區(qū)域的紋理不規(guī)則及局部變形導致其局部瞬時頻率與正常織物紋理瞬時頻率有一定的差異。在佳尺度和旋轉(zhuǎn)角度下，小波變換能從頻域和時域上獲取反應織物疵點局部紋理變化的信息，后從小波系數(shù)模中進行全局閾值化和進一步的形態(tài)學處理，定位和分割出疵點。

　　2.3　 傅立葉分析法檢測織物疵點

　　數(shù)學形態(tài)學的織物疵點檢測技術和小波變換的方法進行織物疵點檢測都是以CCD采集織物圖像信息，經(jīng)過圖像采集卡數(shù)字化后，在計算機上進行處理，對織物疵點加以識別。傅立葉分析方法是一種采用傅立葉透鏡和濾波透鏡等硬件的方式，直接獲取織物圖像信息并進行處理，識別出織物疵點。

　　經(jīng)過激光光源照射的被檢織物，由FFT鏡頭轉(zhuǎn)換為功率譜后，再經(jīng)過一個濾波器和一個成像鏡頭就會得到濾波后的織物圖像。濾波器僅通過橫向坐標軸的衍射圖，重建后的織物圖像就為經(jīng)紗圖像；濾波器僅通過縱向坐標軸的衍射圖，重建后的織物圖像就為緯紗圖像。通過對經(jīng)紗圖像和緯紗圖像的分析對比就可以確定出織物的經(jīng)緯紗不規(guī)則交織區(qū)域，即織物疵點的位置。對獲取的織物圖像，經(jīng)過直方圖均衡化處理，使織物圖像的亮度和對比度標準化。然后計算出織物圖像的頻域功率譜的相關參數(shù)，分別表示織物的不規(guī)則結(jié)構(gòu)，緯紗結(jié)構(gòu)和經(jīng)紗結(jié)構(gòu)。可以根據(jù)表示織物不規(guī)則結(jié)構(gòu)參數(shù)的變化確定織物疵點的類型。

　　3　 結(jié)束語

　　以上介紹的是目前國內(nèi)外在織物疵點自動檢測技術研究中應用比較廣泛的檢測方法，其中，數(shù)學形態(tài)學的織物疵點檢測技術和用小波變換的方法進行織物疵點檢測，檢測的效果和檢測速度受計算機硬件的影響較大，但靈活性強，適應范圍廣，并且容易實現(xiàn)。用傅立葉分析法檢測織物疵點技術，其特點是檢測速度快，但靈活性、適應性相對較差。

　　以較低成本的系統(tǒng)硬件，配以高質(zhì)量的檢測軟件，以微型計算機為平臺，以CCD和圖像信息采集卡為織物圖像信息獲取設備，采用數(shù)學形態(tài)學、小波分析技術等來研究開發(fā)織物疵點的自動檢測系統(tǒng)應該是這一領域的發(fā)展方向。 AASDFWFWFWE

免責聲明：

免責聲明：本站發(fā)布的有些文章部分文字、圖片、音頻、視頻來源于互聯(lián)網(wǎng)，并不代表本網(wǎng)站觀點，其版權歸原作者所有。如果您發(fā)現(xiàn)本網(wǎng)轉(zhuǎn)載信息侵害了您的權益，如有侵權，請聯(lián)系我們，我們會盡快更改或刪除。