基于機(jī)器視覺(jué)的布匹疵點(diǎn)檢測(cè)系統(tǒng)研究.pdf

1、產(chǎn)品的質(zhì)量控制在當(dāng)今商業(yè)市場(chǎng)競(jìng)爭(zhēng)中起著十分重要的作用。在紡織工業(yè)中,布匹的疵點(diǎn)是影響布匹質(zhì)量的主要因素,而疵點(diǎn)檢測(cè)則是保證布匹質(zhì)量的主要手段。傳統(tǒng)的人工檢測(cè),勞動(dòng)強(qiáng)度大,檢測(cè)速度低,其檢測(cè)精度會(huì)受到驗(yàn)布工人的經(jīng)驗(yàn)與疲勞程度影響,缺乏一致性與可靠性。因此采用布匹疵點(diǎn)的自動(dòng)檢測(cè)是紡織工業(yè)生產(chǎn)中布匹質(zhì)量控制的必然趨勢(shì)。
　　本文將機(jī)器視覺(jué)技術(shù)引入紡織工業(yè)檢測(cè)領(lǐng)域,并用以完成布匹疵點(diǎn)的檢測(cè)。其關(guān)鍵在于通過(guò)對(duì)布匹圖像的處理與分析,設(shè)計(jì)一種檢

2、測(cè)算法能快速高精度地檢測(cè)出不同布匹中的各種疵點(diǎn)。本文采用了檢測(cè)精度、通用性(即對(duì)各種布匹與疵點(diǎn)都有效)與實(shí)時(shí)性(對(duì)應(yīng)于檢測(cè)速度)等三個(gè)指標(biāo)用以衡量檢測(cè)算法的檢測(cè)性能,并根據(jù)檢測(cè)目的與檢測(cè)結(jié)果表現(xiàn)方式的不同,將布匹疵點(diǎn)檢測(cè)分為疵點(diǎn)判別與疵點(diǎn)分割兩種類(lèi)型。
　　為了使檢測(cè)算法具有較高的通用性,即對(duì)各種類(lèi)型的布匹與疵點(diǎn)(包括全局疵點(diǎn)與局部細(xì)小疵點(diǎn))都具有高檢測(cè)精度,本文采用了多分辨率分析方法在多個(gè)尺度上對(duì)各種類(lèi)型的布匹疵點(diǎn)進(jìn)行分析,采用

3、非采樣小波變化取代標(biāo)準(zhǔn)小波變換以達(dá)到平移不變性,并將其用于布匹疵點(diǎn)判別。為了提高檢測(cè)精度,本文提出了一種小波分解尺度選擇策略,能夠根據(jù)待檢測(cè)布匹紋理頻率特性對(duì)非采樣小波變換的分解尺度進(jìn)行自適應(yīng)的設(shè)定,以抑制布匹正常紋理能量并增強(qiáng)疵點(diǎn)區(qū)域能量。檢測(cè)算法采用了一個(gè)簡(jiǎn)單高效的小波系數(shù)幅值劃分與數(shù)據(jù)融合方法,將各個(gè)尺度的小波分解系數(shù)進(jìn)行融合,并從融合后的圖像中提取出若干個(gè)基于疵點(diǎn)能量估計(jì)的特征用于進(jìn)行疵點(diǎn)判別。
　　由于疵點(diǎn)判別方法僅能夠

4、檢測(cè)出疵點(diǎn)在布匹圖像中的位置,為了獲得疵點(diǎn)的形態(tài)學(xué)特征(如大小、長(zhǎng)度、方向等),本文對(duì)基于多分辨率分析方法的疵點(diǎn)判別算法進(jìn)行了改進(jìn),提出了一種基于 Gabor小波的疵點(diǎn)分割算法,并提出了一種自適應(yīng)的Gabor小波調(diào)校方法,能根據(jù)待檢測(cè)布匹的紋理特性對(duì) Gabor小波的參數(shù)進(jìn)行自適應(yīng)設(shè)定。與非采樣小波變換相比,Gabor小波變換能更靈活地對(duì)各個(gè)濾波器的通帶中心頻率進(jìn)行調(diào)校,因此能夠更好地抑制布匹正常紋理能量并增強(qiáng)疵點(diǎn)區(qū)域能量,從而使得正常

5、紋理與疵點(diǎn)區(qū)域之間具有更大的差異。對(duì)濾波后的圖像進(jìn)行閾值分割后,能達(dá)到更高的分割正確率。本文通過(guò)大量實(shí)驗(yàn)將該疵點(diǎn)分割算法與兩種無(wú)自適應(yīng)調(diào)校的Gabor濾波器疵點(diǎn)分割算法進(jìn)行比較,結(jié)果表明,本文所采用的方法具有更好的實(shí)時(shí)性以及分割正確率。
　　針對(duì)大多數(shù)布匹疵點(diǎn)檢測(cè)算法的實(shí)時(shí)性不足問(wèn)題,本文提出了一種基于機(jī)器學(xué)習(xí)的高實(shí)時(shí)性布匹疵點(diǎn)判別算法。該算法從布匹圖像中提取了兩個(gè)灰度共生矩陣特征與兩個(gè)新的紋理特征以刻畫(huà)布匹紋理并突出其中所包含的

6、疵點(diǎn),并采用支持向量數(shù)據(jù)描述分類(lèi)器對(duì)提取出的特征進(jìn)行分類(lèi),判斷其是否為疵點(diǎn)。在特征提取的過(guò)程中,提出了一種自適應(yīng)的量化方法,將原本含有256個(gè)灰度級(jí)別的原始圖像量化為少量的量化級(jí)別,極大地減少了各個(gè)紋理特征的計(jì)算量,提高了檢測(cè)算法的實(shí)時(shí)性。
　　本文論述了布匹疵點(diǎn)視覺(jué)檢測(cè)系統(tǒng)的結(jié)構(gòu),分析了系統(tǒng)各個(gè)組成部分(如光源與成像、圖像采集與處理、人機(jī)交互等)的功能與實(shí)現(xiàn)方式。采用嵌入式數(shù)字信號(hào)處理器取代通用CPU完成檢測(cè)功能以提高系統(tǒng)的計(jì)算