GPU平台上基于小波之无纺布疵点实时检测体系概述.docVIP

　　GPU平台上基于小波之无纺布疵点实时检测体系概述 1 绪论 1.1研究背景及意义 无纺布的别名是非织造布。它第一次出现在美国，1942 年美国产生了第一批与纺织原理截然不同的无纺布[1]。由于无纺布制造工艺是纺织、造纸、化工等工业科学相互交叉的一门技术，因此它是一个新的技术领域。它不是由一根一根的纱线交织、编结在一起的，而是将纤维直接通过机械的、化学的、热力的或其他物理方法粘合在一起，故无纺布的性能介于机织物和纸之间。因此虽然有的无纺布产品非常接近纺织品，甚至代替传统纺织品，但它并不是纺织品。由于无纺布主要靠其内部的纤维之间的摩擦力以及其他外加粘合力粘结而成，因此与传统纺织布相比，它不仅没有经纬线和线头，同时其裁剪和缝纫都非常的方便，且质轻易定型，具有透气、防潮、耐久等很多传统织物所不具备的特点。无纺布的分类标准有很多种。从生产工艺上可以分为水刺工艺生产的无纺布、针刺工艺生产的无纺布、浆粕气流成网工艺生产的无纺布、热合工艺生产的无纺布、纺粘工艺生产的无纺布、湿法工艺生产的无纺布、熔喷工艺生产的无纺布[2]、缝编工艺生产的无纺布等；从产品厚度上可以分为厚度较大类型的厚型无纺布和厚度较小型的薄型无纺布；从使用强度上可分为耐久型无纺布和用即弃型无纺布。无纺布是由纤维制成，能用于制造无纺布的纤维多种多样，基本与传统纺织品所使用的纤维原料类型一致。纤维大致类型包括：天然纤维，如棉、麻、羊毛等；再生纤维，如粘胶纤维；合成纤维，如涤纶、腈纶、丙纶、聚氯乙烯等[3]；矿物纤维，肉石棉纤维；无机纤维，如金属纤维、碳素纤维、玻璃纤维等。其中，除了天然纤维以外的各种纤维可并称为化学纤维。目前，约占 95%的无纺布的生产原料为化学纤维。本文研究的无纺布，是以石油化炼附属产品为制作原料的，一种造价低廉且具有环保意义的化学纤维制品。 1.2 无纺布疵点检测系统国内外发展现状 2000 年， A.Cherkassky 团队使用二维随机场模型估算无纺织物的横向总量不均匀率，并通过统计无纺织物材料网的不同区域的不均匀性，划分了布面不均匀等级。同年， Bodnarov 和 Bennamoun 等分析、比较了空间域上的灰度共生矩阵、归一化交叉法两个模型，同时也使用了纹理检测法、基于快速傅里叶变换等频域上的模型，以此来进行光谱分析法对织物疵点检测的适用性[14]。除此之外，LatifAmet 等人也在 2000 年提出了识别织物疵点的方法，该方法主要是将提出小波变换理论和灰度共生矩阵结合起来，利用马氏距离分类器来识别织物疵点。2001 年，S. H. Jeong 等人在实验中，根据光线透射过非织造材料时，由于其不同厚度所引起的光照条件反射区域的差异，使用 CCD 扫描仪无纺布图像，得到图像的灰度值方差来描述非织造材料厚度的均匀性。2002 年，以统计方法和图像分析技术为基础，B. Pourdeyhimi 等人使用的光学显微镜扫描获得的三维图像，以图像的灰度级的差异值来描述非织造材料的厚度不均率。在实验中，他们将无纺布分成不同区域进行检测，并通过小区域的不均匀率推算出非织造布整体不均匀率。在 2004 年， Tilocca 等人用激光传感器从织物的表面上得到的织物的图像信息[15]，将织物三维轮廓数据和灰度值输入到神经网络的输入层神经元，其中神经网络是由 3 层 BP 网络构成。结果表明，缺陷的识别率达到百分之九十以上，但训练及识别时间需要长达 17 分钟分钟，因此该方法并不实用。 2 无纺布疵点特性及系统技术要求 2.1 无纺布疵点类型 疵点是指在生产过程中，由于人工操作疏忽、机械故障或条件设定不当等问题，导致的坯布外观上产生瑕疵。疵点会影响织物的美观，降低其价值[20]。品质优良的成品织物，其瑕疵应为极少。可以说，疵点多少是判断织物优劣的重要标准之一。与传统织物不同，无纺布疵点类型不多，主要为破洞、杂质、油污以及折痕这四类。这些疵点非常影响无纺布的美观和质量，因此，本文主要针对这四类疵点进行检测。图 2-1 给出了几种常见疵点，从中不难发现，杂质、油污和孔洞这三类疵点在图像上的灰度级远远低于背景灰度，且分布范围较小；而折痕灰度级则明显高于背景灰度，且分布范围较大。因此，从数字图像处理角度出发，可以将这四类疵点合并成两大类：深色的面积较小疵点以及浅色的面积较大疵点。 .. 2.2 无纺布纹理及疵点特性 计算机图形学中的纹理既包括通常意义上物体表面所呈现的凹凸不平的沟纹，同时也包括在物体的光滑表面上的彩色图案。其中彩色图案是指在物体表面绘出彩色图案，当具有该类型纹理的物体其表面依然光滑。对于沟纹而言，实际上也是在表面绘出的彩色图案，但同时视觉上给人以凹凸不平感[21]。由于纹理样式的多样性，故纹理并没有一个统一的定义，一般认为纹理有三种特质：有时平滑，有时粗糙，有