羽毛片缺陷檢測若干關(guān)鍵技術(shù)的研究.pdf

1、我國是羽毛球運動強國，同時也是世界上最大的羽毛球生產(chǎn)國。作為羽毛球的最主要部件，羽毛片的質(zhì)量直接影響著羽毛球成品的質(zhì)量。
　　由于羽毛在自然生長和后期加工過程中會受到損壞，羽毛片上可能存在著各種缺陷，這些缺陷嚴重影響著羽毛片的質(zhì)量。檢測羽毛片是否存在缺陷是制作羽毛球最困難的工序之一，當前羽毛片缺陷檢測工作主要由人工完成。人工檢測勞動強度大、效率低下，并且檢測質(zhì)量受工人個體能力、經(jīng)驗等因素的影響，易造成漏檢和誤檢。
　　為了提

2、高生產(chǎn)效率和保證產(chǎn)品質(zhì)量，有必要研究基于機器視覺的羽毛片自動檢測技術(shù)。本課題的研究有助于降低產(chǎn)品的生產(chǎn)成本、減少企業(yè)的用工需求，積極推動羽毛球制造業(yè)從勞動密集型產(chǎn)業(yè)向技術(shù)密集型產(chǎn)業(yè)的升級。因此，課題的研究有著重要的理論意義和實用價值。
　　當前，機器視覺技術(shù)已經(jīng)在一些行業(yè)中得到了廣泛應(yīng)用。與之相比，羽毛片機器視覺檢測技術(shù)的研究起步較晚，機器視覺技術(shù)在羽毛球制造行業(yè)仍處于應(yīng)用初期階段。目前可檢索到的關(guān)于羽毛片視覺檢測方面的論文不多，

3、已有的研究主要集中在羽毛桿折印檢測以及羽毛片的彎度、拱度等尺寸指標測量方面，有關(guān)羽毛片缺陷檢測方面的資料很少。
　　本文以羽毛片為研究對象，對羽毛片缺陷檢測的硬件設(shè)備及軟件系統(tǒng)、羽毛片圖像的光照校正、平滑降噪、缺陷分割、缺陷特征提取和缺陷分類識別方法等內(nèi)容進行了深入的研究，為提高羽毛球制造設(shè)備的自動化水平進行了有益的探索。本文主要的研究成果及創(chuàng)新點簡述如下:
　　1.針對測試羽毛片缺陷檢測算法性能的需要，構(gòu)建了缺陷羽毛片的圖

4、像庫和羽毛片典型缺陷的樣本庫，為研究人員提供了一致的實驗樣本，解決了不同研究人員由于實驗樣本的差異而難以準確比較相關(guān)算法性能的問題。
　　2.針對羽毛片的空間曲面結(jié)構(gòu)引起的羽毛片圖像光照分布不均勻的問題，提出了改進的基于Retinex理論的光照校正算法，提升了圖像的對比度，改善了圖像的質(zhì)量，使得圖像的細節(jié)更加清晰，為準確檢測羽毛片缺陷提供了基礎(chǔ)。
　　3.由于受圖像噪聲和羽毛天然紋理的影響，羽毛片上的缺陷特征并不清晰。本文提

5、出了一種改進的各向異性的均值漂移算法，用于羽毛片圖像的平滑降噪。與幾種典型的降噪算法相比，實驗結(jié)果顯示該算法在客觀指標評價和主觀視覺感受方面都更好。本文算法在有效降噪的同時，實現(xiàn)了對羽毛片紋理的適度平滑，并較好的保留了缺陷信息，為后續(xù)處理提供了目標清晰的預(yù)處理圖像。
　　4.羽毛片缺陷種類多、形態(tài)變化豐富。變分水平集圖像分割方法具有分割準確、無需人工參與和適合多目標分割等優(yōu)點，但存在迭代次數(shù)多、效率較低的不足。結(jié)合預(yù)處理后羽毛片圖

6、像的特點和缺陷分割的需要，提出了一種改進的C-V水平集模型，在滿足分割精度要求的前提下減少了輪廓線演化的迭代次數(shù)和算法運行時間，提高了算法的效率。
　　5.根據(jù)羽毛片缺陷的特點，分別提出了羽毛片缺陷的顏色特征、形狀特征和紋理特征的提取算法，并針對羽毛片的四類常見缺陷提出了相應(yīng)的識別方法。本文先分別提取缺陷的各類特征，然后根據(jù)需要再組成混合特征向量進行缺陷識別。該方法可在準確識別缺陷的同時使特征向量具有較低的維數(shù)。
　　本文結(jié)