基于機(jī)器視覺(jué)的無(wú)紡布疵點(diǎn)在線檢測(cè)系統(tǒng)研究.pdf

1、疵點(diǎn)是影響無(wú)紡布質(zhì)量等級(jí)的最主要因素，疵點(diǎn)檢測(cè)是其質(zhì)量管理的重要環(huán)節(jié)。傳統(tǒng)的布匹疵點(diǎn)檢驗(yàn)依靠人工主觀判別，缺乏檢驗(yàn)的一致性和可靠性。隨著現(xiàn)代工業(yè)發(fā)展對(duì)無(wú)紡布質(zhì)量和產(chǎn)量需求的日益增長(zhǎng)，人工檢測(cè)的精度和速度均不能滿足要求，基于機(jī)器視覺(jué)的疵點(diǎn)檢測(cè)技術(shù)已經(jīng)成為了研究熱點(diǎn)和發(fā)展趨勢(shì)。
　　本文基于實(shí)際的應(yīng)用課題，針對(duì)圖像采集過(guò)程中背景灰度不一致問(wèn)題，采用灰度均值規(guī)范化和同態(tài)濾波的預(yù)處理方法消除光照不均的影響。針對(duì)檢測(cè)系統(tǒng)實(shí)時(shí)性和準(zhǔn)確性要求，

2、本文采用了一種分層檢測(cè)的算法結(jié)構(gòu)，首先采用實(shí)時(shí)性較好的灰度共生矩陣方法判別疵點(diǎn)，再對(duì)疵點(diǎn)圖像進(jìn)行二維 Gabor濾波特征提取和分離。共生矩陣的方法能夠判別出明顯疵點(diǎn)，但不能分離疵點(diǎn)且對(duì)隱性疵點(diǎn)判別力不足；Gabor濾波算法的檢測(cè)準(zhǔn)確性和通用性更好，但實(shí)時(shí)性不足。
　　針對(duì)Gabor濾波檢測(cè)算法實(shí)時(shí)性不足的問(wèn)題，本文采用了兩個(gè)方面的優(yōu)化方法：（1）在算法實(shí)現(xiàn)時(shí)只取復(fù)數(shù)Gabor濾波器的實(shí)部與圖像進(jìn)行卷積，并將二維卷積分解成兩個(gè)不同方

3、向上的一維卷積運(yùn)算，該方法仍能有效檢測(cè)出疵點(diǎn)，同時(shí)降低了算法復(fù)雜度，減少了計(jì)算量；（2）利用GPU(Graphics Processing Unit)高性能并行計(jì)算平臺(tái)實(shí)現(xiàn)基于分離卷積的二維 Gabor濾波方法，并對(duì)該方法在 CUDA(Compute Unified Device Architecture)上多種實(shí)現(xiàn)方式的實(shí)時(shí)性進(jìn)行了研究。對(duì)比實(shí)驗(yàn)表明，使用共享存儲(chǔ)器最優(yōu)化實(shí)現(xiàn)效率最高，可以達(dá)到8~20倍的加速比。
　　最后，本文