基于計(jì)算機(jī)視覺的織物疵點(diǎn)檢測與分類方法的研究.pdf

1、織物疵點(diǎn)檢測是紡織生產(chǎn)過程中的關(guān)鍵工序之一。為克服目前人工目測方法疵點(diǎn)檢出率低、效率低、勞動(dòng)強(qiáng)度大的缺點(diǎn)，開展基于計(jì)算機(jī)視覺的織物疵點(diǎn)自動(dòng)檢測技術(shù)的研究十分必要，有重要工程意義。
　　 本文在分析比較現(xiàn)有疵點(diǎn)檢測理論和方法的基礎(chǔ)上，對基于計(jì)算機(jī)視覺的織物疵點(diǎn)自動(dòng)檢測的圖像預(yù)處理、特征值提取和應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的疵點(diǎn)分類方法進(jìn)行較深入的理論分析和實(shí)驗(yàn)研究。
　　 首先對所采集織物圖像的噪聲及其產(chǎn)生原因進(jìn)行分析，給出中值濾波與

2、小波去噪相結(jié)合的去噪方法，改進(jìn)了去噪效果；針對去噪后圖像細(xì)節(jié)信息變模糊的問題，采用拉普拉斯算子作為檢測算子對去噪圖像進(jìn)行銳化處理，使得預(yù)處理后圖像更加清晰，易于特征值的提取。
　　 其次給出了利用自相關(guān)函數(shù)的周期性對預(yù)處理圖像進(jìn)行窗口分割的方法，根據(jù)小窗口的灰度均值與圖像整體均值的差異初步確定可能含有疵點(diǎn)的窗口，再進(jìn)行九宮格擴(kuò)散構(gòu)成待檢區(qū)域，提高了檢測速度。采用小波分析方法提取待檢區(qū)域的能量、方差、熵值、極差、逆差矩和對比度這六

3、個(gè)特征值作為疵點(diǎn)識別的依據(jù)，提高了疵點(diǎn)識別的準(zhǔn)確率。
　　 另外給出了基于3層BP神經(jīng)網(wǎng)絡(luò)對疵點(diǎn)進(jìn)行識別與分類的方法。較深入探討了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特性和算法選取，對神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)，給出了輸入層神經(jīng)元數(shù)、隱層神經(jīng)元數(shù)和輸出層神經(jīng)元數(shù)的優(yōu)化結(jié)果。
　　 最后在理論研究的基礎(chǔ)上，以平紋坯布為實(shí)驗(yàn)對象，對飛花、掉扣、斷經(jīng)、破洞、色污、白杠、斷緯、雜纖維、絞紗和無疵點(diǎn)平紋織物共十種樣片進(jìn)行檢測實(shí)驗(yàn)與分析。實(shí)驗(yàn)結(jié)果驗(yàn)證