帘子布疵点智能化检测设备运用.docVIP

帘子布疵点智能化检测设备运用 　　帘子布疵点的有效检测对提高产品质量、降低产品成本具有重要的意义。在帘子布的生产过程中，质量检测与控制是非常重要的，而疵点检测是质量检测与控制中最重要的一部分。目前国内织物生产的在线检测基本上都是由人工视觉来完成的，帘子布疵点的检测也是如此。在人工检测的过程当中，由于人本身存在的缺陷，其视觉往往会存在一定的偏差，这就会造成疵点的误检和漏检。本文的研究目的就是找到一种基于计算机平台的帘子布疵点快速检测方法。 　　首先是检测系统的硬件平台搭建，然后是帘子布疵点自动检测。帘子布疵点自动检测分为三个部分来完成，分别是图像的预处理、图像分割以及疵点的识别分类。 1.背景 随着世界汽车工业的发展，帘子布工业在各国工业体系中也占到越来越重要的位置，同样，我国帘子布出口量呈逐年上升趋势，占我国出口创汇的比重越来越大，如何提高帘子布的产量和质量成了众多学者争相研究的课题。帘子布是轮胎外胎的骨架材料，其重量一般占外胎总重量的 10%-15%，但是其成本却约占轮胎总成本的37%，是轮胎生产的主要原料之一。当前轮胎使用的帘子布主要有四种：锦纶帘子布、粘胶帘子布、涤纶帘子布和钢丝帘子布。本课题主要研究的是锦纶帘子布的疵点检测。 帘子布是织物的一种，所以帘子布疵点检测的研究可以归于织物疵点检测的研究，但是帘子布也有其自身独特的纹理结构，其布面疵点按国家标准可以分为跳经、经线松弛等22类，本文研究的浸胶帘子布的疵点类型有四类，分别是断经、浆斑、劈缝和经线连续粘并。帘子布疵点的有效检测对提高产品质量、降低产品成本有重要的意义。在帘子布的生产过程中，质检与把控是非常重要的，而疵点检测是质量检测与控制中最重要的一部分。 随着纺织行业的国际竞争日趋激烈，尤其是帘子布行业竞争的日趋激烈，国内外客户对帘子布产品质量的要求越来越高，这样一来，研发适合我国国情的网状织物疵点自动检测系统对提高帘子布质量、增强帘子布产品出口竞争力都有重要的意义。 国内外理论研究 在织物疵点的自动检测过程中，第一步是采集织物图像，然后再进行图像预处理和分割，接着就是进行图像特征分析和疵点分类。在这几步中对织物图像进行处理的方法是核心内容，而对图像进行处理有两种途径，早期的处理方法以直接对图像的灰度值在空间域进行计算为主，随着小波分析等理论的发展，另一种分析方法，也就是先把图像转换到频域后再进行分析的方法成为主流。 （1）空间域：在空间域中可以把一幅图像的灰度图表示成一个由灰度值组成的矩阵，使用不同的方法在空间域中对图像进行处理能够得到不同的特征量。经常使用的空间域分析方法有灰度共生矩阵法、马尔科夫随机场法、灰度匹配法、灰度统计量法和数学形态法。 a）灰度共生矩阵法：Yoshio等人于 1900 年使用灰度共生矩阵这种空间域方法来提取织物特征，并使用 Bayes 分类法对织物的疵点进行识别和分类; b）马尔科夫随机场法：曹建农等于 2006 年对马尔科夫随机场与马尔科夫网做了评述和比较，使研究者对马尔科夫随机场有了更深的了解; c）灰度统计量法：Mohamed等人于 2004 年研究了基于灰度统计的特征值对针织物疵点识别的帮助，灰度的统计量以方差、均值等作为特征值，利用这些特征值来对针织物进行识别。 d）灰度匹配法：灰度匹配这种算法首先要找一个正常的织物图像作为标准模板，然后用被检测的图像与标准模板进行相减，之后再用一个低通滤波器对结果进行低通滤波，最后通过统计残余图像的灰度分布来获得图像的特征值。 e）数学形态学方法：数学形态学是以图像的形态特征为具体的研究对象，通过一套设计好的概念、变换以及算法来描述图像的基本特征。 （2）频率域：对于织物图像来说，频域形式能够很好地表现图像纹理的方向性和周期性，所以织物图像在频率域中来提取特征值是一种非常有效的方法。在频率域中常用的分析方法有傅里叶分析法、小波分析法以及 Gabor 变换法等。 a）傅里叶分析法：Tsai等人于 1996 年对利用傅里叶变换提取织物特征作了研究，发现这种方法是可行的，但是最终的识别率只达到了 88%，与实际期望有所差异；宋寅卯等于 2006 年对基于傅里叶变换的帘子布疵点检测进行了研究，找到了一组新的织物图像的特征值对帘子布进行识别分类，实验证明这种方法是有效可行的。 b）小波分析法：Warren于 1995 年利用小波分析法对包含疵点的织物图像进行了正交分解，实验发现这种方法是可行的；Jasper于 1996 年对自适应小波在疵点检测中的应用进行了研究。 c）Gabor 变换法：Jain等于1991年采用Gabor变换并结合均方差聚类技术和非线性变换技术实现了对多纹理图像的分割；Bodnarova等人于2002年对基于Gabor滤波器的织物疵点分类进行了研究。 2.1 系统性能要求 2.1.