织物疵点自动识技术的研究.pdfVIP

摘要 摘要 本文研究自动验布系统的核心技术，即对采集到的织物图像进行提取特征值 及疵点分类，在织物疵点识别中，一个很大的难点就是织物的种类繁多，表面特 征各异，很难建立一个统一的识别模型。为了解决这个问题，本文创新采用双层 神经网络的织物疵点it}：{别技术，可以先对正常的布面进行特征提取，利用第一层 神经网络来区分正常和疵点图像，利用离散小波变换对疵点图像进行特征提取， 并去除本身布面特征，再利用已训练的}3P网络模型进行具体疵点分类。这种方 法最大创新之处有三点： 一、正常布面的识别与疵点的分类分开。对于坯布来说，其布面绝大多数是 正常的，如果把正常和而和疵点一起分类，必然要提取较多的信息量，还要进行 如小波变换这样复杂的运算，速度会变慢，而且准确性会降低。若只进行正常布 面与疵点的区分，则只需提取很少的信息量，不需要进行复杂的运算，可以适应 高速验布的要求。 二、去除布面对疵点分类的影响。要实现自动验布最重要的一点就是要建立 ～个已充分训练，可以对各种疵点进行分类的神经网络模型。其困难在于布面组 织繁多，在不同的组织下提取的疵点特征也是差异极大的，因为要受到组织纹理 的影响。文中通过计算疵点相对于正常斫i面的变异程度来去除组织纹理的影响， 从而找到各种不同组织疵点的相似性，来建立统一的疵点分类模型。 三、重点明确的特征值。在以往的研究中很多是选取整个图像的均值或方差 作为特征值，这样值的变异情况往往不明显，影响了识别的准确性。研究发现， 疵点大部分是发生在一根或少数几根纱线上的，在图像上的反映是灰度值的变异 只发生在相邻的较少的几行或几列中。故文中选取其变异最大的几行或几列作为 输入特征值。 利用该织物疵点自动i_}!别技术对三种基本组织，平纹、斜纹、缎纹的常见疵 点包括断经、断纬、纬缩、油污、异纤、竹：宵、稀密路进行识别，试验证明陔技 术是有效的，基本符合自动验布系统的要求。 关键词：疵点识别；小波变换；神经网络：质量检测。 Abstfact Abstract This introducesthekemeI 0fdefectsidentificatiOn．It paper techn0IOgy meanstodist川the characteristicand thedefectsoffabric．The cIassify ofthefabricdefects jsthatthe ofthefabricisso probIem inspection Varie_【y muchthat．tisdifficulttOfoundacOnsO¨datedidentificatiOnmOdeI．Inthis paper the Offab—cdefects iscreated．Wedisti|Ithe technique inspec“0n may characteroftheno几T1al the OfthefabrIcwith fabric，and distinguishimage defectsandthenormalOnes thefirstfIOorOftheneuraI using netwOrk．Then， thediscretewaVeIettransformatiOnt0dist…thecharacterofthe using