基于Hough变换的织物瑕疵检测.docxVIP

基于Hough变换的织物瑕疵检测摘要：为了对织物的疵点进行识别，本文提出了一种基于Hough变换的检测方法。该方法对于疵点中的飞线有很好的识别率。在进行图像灰度化之后，使用Canny算子对图像进行边缘检测，该算子采用高斯函数对图像进行平滑处理，具有较好的抑制噪声的能力。最后通过Hough变换提取出织物的直线特征同时进行互相关系数的计算，将织物的飞线疵点识别出来。实验表明，本文所提出的方法具有普遍意义，检测飞线疵点的正确率达到97%。关键字：Hough变换；Canny算子；互相关系数；飞线疵点Abstract:In order to identify the fabric defects, this paper proposes a detection method based on Hough transform.This method has a high recognition rate for the defect in the fly line.After the image grayscale, the image edge detection using Canny operator, the operator uses Gauss function to smooth the image, has a good ability to suppress noise.Finally through the Hough transform extract linear feature of the fabric and the calculation of mutual correlation coefficient, the fabric fly line defects identified.Experiments show that the proposed method is of general significance, and the correct rate of detection is 97%.1引言纺织行业关系着国家经济和人民生活，在我国的国民经济中一直占据着举足轻重的地位，我国在棉纱、棉布、丝织品、服装等生产产量上均居世界第一位。改革开放以来，纺织业得到了飞速发展，生产效率得到极大地提高，产品数量和种类日益丰富，然而产品质量和生产效率没有得到有效地控制和保证。在纺织产品生产中，布面疵点是影响织物质量的主要因素，织物表面飞线疵点的检验是一个非常重要的环节。所谓飞线，是指在印花过程中出现的横向条纹，是印花产品中常见的疵点，对其检测的结果好坏直接关系到产品的质量，因此是本文研究的重点。多年以来，我国的织物飞线疵点检测都是由人眼完成的，这种方法严重地降低了纺织生产流程中的自动化程度，纺织工人检测速度一般在12~18m/min，而在此速度下，一个检验人员大概只能完成0.8~1米幅宽的检验，因此织物的检验和整理环节成了整个生产过程中的瓶颈；人工检测严重依赖于检验人员的经验、受培训的熟练程度以及其它的一些主观因素，因而经常会产生误检和漏检。据测试，人工检测大概只能检测出40%-60%的疵点，即使熟练的检验工人也只能发现大约70%的疵点。基于以上的问题，我们提出了一种基于Hough变换的织物飞线瑕疵检测方法，该方法结合边缘检测算法和互相关系数的计算构建出织物模型，最后利用Hough变换对织物模型进行检测。当相关系数达到一定的预设值时，可以判定为合格品，反之则为不合格。2系统整体方案用计算机处理图像首先要把模拟图像变为数字形式才能输入到计算机中，因此，在疵点数码印花织物被转化成数字图像之前就必须先利用数字化设备拍摄疵点图像，然后将得到的图像输入计算机储存，以供后续处理与识别用。其硬件子系统的功能结构模块图如图2-1所示。图2-1 硬件系统图在图像采集过程中，光源的选择对获取稳定、准确的图像至关重要，线阵相机一般需要配备一组高性能、稳定性好、发光强度大的直流线光源。此外，图像的效果容易受光照条件的影响。为了尽可能地减小光照不匀，我们拍摄时在镜头的两侧分别加上了照明光源;另外，为了使得一些方向性疵点区域灰度值比周围的无疵点区域有明显区别，拍摄的时候在布料后面放置一张黑纸。织物疵飞线试样，通过图像传感器得到了与织物表面明暗程度相对应的数字图像，将得到的数字图像传送到计算机中，储存于硬盘上备用，同时在数字显示器上显示出数字图像。采集的织物图像大小为2048*1536像素。为了便于处理先从拍摄得到的图片提取了有飞线疵点的部分，提取部分的大小为640*480像素。因为图像处理的数据量比较大，在条件允许的情况下，应尽量配置较高档的微机。本课题采用的PC机是DELL笔记本，配置如下：Intel(R)Core(TM)i3CPU M