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最重要的一部分。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最長時間只有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(shù)是近年來國內(nèi)外學(xué)者共同關(guān)注和研究的熱門課題之一。隨著計算機技術(shù)、數(shù)字圖像技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)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(shù)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(yù)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）?？椢锎命c自動檢測技術(shù)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(xué)形態(tài)學(xué)的織物疵點檢測技術(shù) 數(shù)學(xué)形態(tài)學(xué)是一門新的圖像分析科學(xué)，其基本理論和方法在視覺檢測領(lǐng)域已取得了非常成功的應(yīng)用。數(shù)學(xué)形態(tài)學(xué)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(xué)形態(tài)學(xué)圖像處理是以幾何學(xué)為基礎(chǔ)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(dāng)織物上有疵點時其紋理特征發(fā)生變異。在數(shù)學(xué)形態(tài)學(xué)中，用集合來描述織物圖像目標，在考察織物圖像時，可以設(shè)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(xué)形態(tài)學(xué)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
g(i,j)=1 f(i,j)≥tg(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。最后根據(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(yīng)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(yīng)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(yīng)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。
相關(guān)信息 
推薦企業(yè) 推薦企業(yè)
推薦企業(yè)
編.gif)
您所在的位置：
