羊毛污杂物不规则机器视觉系统 - 副本.docxVIP

第一章 绪论 1.1课题背景及意义 我国是世界第二大的羊毛生产国，据统计，我国在2008年的羊毛产量达到了367687T，羊毛生产在我国的毛纺织业具有举足轻重的地位。近几年来，随着我们毛纺织工业的发展，纺织业对羊毛质量的要求也越来越高，但虽然我国是羊毛生产大国，但是我们的羊毛由于产地、气候、品种等原因，羊毛的质量参差不齐，难以满足现代毛纺织业对羊毛质量的要求[1-2]。羊毛的质量因素只要包括羊毛的纤维细度、离散度、羊毛的强度、弹性、色度等等，然而羊毛之中的污染物也是关系到羊毛质量的关键因素之一。羊毛中所包含的污染物多种多样，主要有线状聚丙烯、包装材料、黑色纤维、尿黄毛＼屎黄毛、油漆标记、小木块和石头等等[3]，这些污染物不能同正常的羊毛一样被染色或者纺织，极大地影响了羊毛织物的质量。以现在的技术手段，采用物理化学方法还不能从羊毛中自去除这些污染物。在实际生产中，我国普遍采用人工的方式来去除羊毛中的污染物质，既安排一批工人在生产线旁，靠工人肉眼的观察来识别出污染物并通过工人的双手来去除污染物。然而这种检测方式的精度完全依赖于工人的工作，但工人的注意力并不是稳定不变的，工人的注意力会随着时间的加长和工作量的增加而出现波动，因此这中检测方式不可靠，而且效率低下成本高，从长远来看，不适合长期大规模使用。现代的毛纺织业对于羊毛污染物的检测要求是检测精度高，速度快，成本少，单靠人工检测是完全无法满足现代毛纺业的要求的。因此，国内外有关机构开始在开发一些用于羊毛纤维检测的机器视觉系统，机器视觉系统的功能主要通过计算机来实现，利用计算机模拟人或者模拟和人类视觉有关的智能行为，再对客观世界的图像中提取信息进行处理后加以理解，最后运用于实际检测。相对于人工检测，机器视觉系统具有人工检测所完全不能比拟的特点，首先机器视觉系统的工作稳定，机器视觉系统工作的稳定性并不会随着工作时间的延长而明显下降；另外，机器视觉系统不同于人，在工作中如没有异常状况发生并不需要停机，可以实现7×24小时的不间断的工作，可以大大地提高生产效率。因为以上的特点，机器视觉系统在异性纤维检测上的发展前景十分广阔。现代的毛纺织业也对羊毛检测提出了较高的要求，在以后的未来，采用人工来检测羊毛污染物的方法必将会被市场所淘汰，为了适应羊毛纤维检测的高要求，因此需要一种能快 虽然羊毛污染物的种类多种多样，但是根据它们和羊毛背景之间的颜色区别，可以大致可以分为两类：一类是深色的和羊毛背景对比度大的污染物，这类污染物主要是有色的塑料包装纸，有色纸片，树叶等等，另一类是白色的，浅色的和羊毛背景颜色相近的污染物[4]，这类污染物主要包括白色尼龙绳、白色泡沫、透明塑料袋等等。有关污染物 含有浅色污染物的羊毛图像含有深色污染物的羊毛图像 含有浅色污染物的羊毛图像 含有深色污染物的羊毛图像 从以上图片可以看出，深色的污染物和羊毛背景之间的差异十分明显，在实际的机器视觉系统中很容易检测出来；然而对于浅色的和羊毛污染物，由于其和羊毛背景相接近或者一样，所以现有的机器视觉系统很难将其从羊毛背景中识别出来，或者能识别出来，但是误检率漏检率很高，不能用于实际生产中，也不具有实用价值。 在现有用于羊毛检测的机器视觉系统中，大部分系统所采用的照明方式都是普通照明方式，在普通光照下，污染物和羊毛背景之间的区分依据主要是颜色之间的差异，然而那些近色的污染物和羊毛背景的区别并不十分明显，有些甚至连肉眼也难以分辨，这给计算机识别污染物造成了阻碍。然而，有些近色污染物的物理性质光学性质和羊毛存在很大差异，例如，羊毛比较松散，而污染物的质地比较致密，在激光线结构光的照射下，污染物会发生明显的反射现象，而大部分羊毛则会被激光透过，只有少数一部分会存在反射现象，但其亮度及规模和污染物的反射存在很大差异。很容易用图像处理的手段识别出来。因此，本系统将采用激光线结构光照明，提高系统识别近色污染物的能力。 1.2 国内外研究现状 对于羊毛污杂物的检测，通常羊毛污染物的总面积只占了不到总背景面积的5%，和背景面积相比起来所占的比例很小，属于大背景小目标机器视觉检测的研究范畴。 在这方面，中部哈德斯菲尔德大学[5]设计了一款机器视觉系统，该系统采用了34线的Dalsa Trillium 线阵式彩色自动相机，扫描频率固定800线/秒，每线2048像素，每秒可以采集高达67M的数据（3*800*2048）。该系统采用一主频为3GHz的CUP和内存为1G的电脑作为主机，软件则采用Visual C++和Sapera图像库封包编程。由于需要处理的数据量巨大，在实际操作中，该系统在处理诸如泰勒变换、RGB到HIS 在异性纤维检测方面，中国科学院上海技术物理研究所[6]发明了一种棉花杂质在线自动检测装置，该装置先将蓬松的棉花通过传送带形成