基于機(jī)器視覺(jué)的玻璃纖維布缺陷檢測(cè)技術(shù)研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，我國(guó)紡織業(yè)步入迅猛發(fā)展的階段。然而國(guó)內(nèi)大多數(shù)紡織品生產(chǎn)企業(yè)勞動(dòng)密集程度較高，紡織品的缺陷檢測(cè)仍然依靠人工檢測(cè)，這種方式存在主觀性強(qiáng)，精確度低，工作強(qiáng)度高等諸多弊端。機(jī)器視覺(jué)技術(shù)的日益成熟，使其在工業(yè)生產(chǎn)過(guò)程中的應(yīng)用越來(lái)越為廣泛，基于機(jī)器視覺(jué)技術(shù)的紡織品在線缺陷檢測(cè)已然成為紡織品質(zhì)量控制的重要發(fā)展方向。
　　國(guó)外的織物在線檢測(cè)技術(shù)起步相對(duì)較早，然而從外國(guó)引進(jìn)織物在線缺陷檢測(cè)設(shè)備價(jià)格昂貴，成本較高。國(guó)內(nèi)的研究主要是針對(duì)

2、某一種算法的研究且僅適用于一種織物缺陷檢測(cè)，不能直接應(yīng)用于玻璃纖維布的缺陷檢測(cè)生產(chǎn)實(shí)際中。因此研究玻璃纖維布缺陷檢測(cè)的關(guān)鍵技術(shù)，對(duì)于推動(dòng)玻璃纖維織物自動(dòng)化生產(chǎn)和布匹質(zhì)量快速分級(jí)具有極其重要的意義。
　　本文對(duì)玻璃纖維布缺陷檢測(cè)系統(tǒng)的關(guān)鍵技術(shù)進(jìn)行了深入系統(tǒng)地研究，主要內(nèi)容包括：
　　基于玻璃纖維布的紋理特性、檢測(cè)要求和生產(chǎn)環(huán)境等設(shè)計(jì)了玻璃纖維布缺陷檢測(cè)系統(tǒng)的總體方案，搭建了玻璃纖維布機(jī)器視覺(jué)檢測(cè)平臺(tái)，根據(jù)玻璃纖維布的缺陷特征，

3、確定了背光照明的光源配置方案和基于 GigE的多相機(jī)檢測(cè)方案，獲得了高對(duì)比度織物圖像，降低了缺陷識(shí)別難度。
　　針對(duì)被檢玻璃纖維布布幅較寬和工業(yè)CCD視場(chǎng)小的問(wèn)題，提出采用多相機(jī)同步采集圖像然后對(duì)采集到的多幅圖像進(jìn)行拼接處理的實(shí)用性方案。分別基于模板匹配拼接方法和基于 Harris特征點(diǎn)拼接方法研究了玻璃纖維布圖像拼接技術(shù)，并從配準(zhǔn)精度、拼接速度等方面對(duì)二者進(jìn)行了對(duì)比分析。本文從實(shí)時(shí)性和可靠性出發(fā)，選擇了基于模板匹配的拼接方法進(jìn)行

4、玻璃纖維布圖像的拼接工作。
　　為了解決玻璃纖維織物在線檢測(cè)效率低、實(shí)時(shí)性差等問(wèn)題，提出了一種基于Blob分析的織物缺陷檢測(cè)方法。首先對(duì)織物圖像采用均值濾波器進(jìn)行平滑處理，以削弱噪聲和織物紋理的干擾，然后采用迭代法尋找最佳閾值將圖像分割為Blob和背景的像素集合，采用形態(tài)學(xué)處理調(diào)整分割后的Blob形狀，最后對(duì)圖像進(jìn)行連通性分析和特征提取，通過(guò)對(duì)Blob區(qū)域進(jìn)行最小外接矩形擬合得到缺陷特征的個(gè)數(shù)和尺寸等信息，實(shí)現(xiàn)了玻璃纖維布劈縫、跳

5、花、破洞、污漬等常見(jiàn)缺陷的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法計(jì)算簡(jiǎn)單，檢測(cè)結(jié)果穩(wěn)健可靠，實(shí)時(shí)性好，是一種有效的織物缺陷在線檢測(cè)方法。
　　在VS2010平臺(tái)下基于C＃、Halcon和SQL Sever數(shù)據(jù)庫(kù)研制了玻璃纖維織布缺陷檢測(cè)軟件系統(tǒng)，系統(tǒng)包括圖像采集模塊、人機(jī)交互模塊、圖像處理模塊和缺陷數(shù)據(jù)統(tǒng)計(jì)模塊，實(shí)現(xiàn)了玻璃纖維布缺陷的檢測(cè)和布匹分級(jí)。在實(shí)驗(yàn)平臺(tái)上進(jìn)行了調(diào)試和實(shí)驗(yàn)驗(yàn)證，結(jié)果表明本文的研究方法穩(wěn)定可靠、實(shí)時(shí)性好，滿足了預(yù)期的研發(fā)要