0 前言 在紡織品生產過程中，質量控制與檢測是非常重要的，織物疵點檢測是其中最重要的一部分。目前國內織物檢測基本上是由人工視覺來完成。在檢測過程中，由于人眼視覺存在偏差，首先，一個檢驗員精力集中的最長時間只有20 min~30 min，超過這個時間就會疲勞，檢驗員的注意力就會降低引起漏檢。其次，一個檢驗員的工作狀態受到外界因素，如疵點類型和大小、頻率、天氣、身體情況影響會不斷變化，較低的重現率并不奇怪，也會影響檢測結果。
基于以上原因，織物疵點的自動檢測技術是近年來國內外學者共同關注和研究的熱門課題之一。隨著計算機技術、數字圖像技術和神經網絡技術的不斷發展，使得基于圖像處理的織物疵點自動檢驗技術成為可能。
1 織物疵點自動檢測過程
織物疵點自動檢測過程包括織物圖像采集、圖像預處理、圖像分析處理、織物疵點檢測分類、檢測結果統計分析等階段（見圖1）。織物疵點自動檢測技術的核心內容是對采集的織物圖像進行分析處理的方法。
2 織物疵點檢測方法
2.1 基于數學形態學的織物疵點檢測技術 數學形態學是一門新的圖像分析科學，其基本理論和方法在視覺檢測領域已取得了非常成功的應用。數學形態學可以用來解決抑制噪聲、特征提取、圖像分割、紋理分析等圖像處理問題。數學形態學圖像處理是以幾何學為基礎的，它著重研究圖像的幾何結構，這種結構表可以分析對象的宏觀性質或微觀性質。織物的宏觀性質量具有非常顯著幾何紋理特征，當織物上有疵點時其紋理特征發生變異。在數學形態學中，用集合來描述織物圖像目標，在考察織物圖像時，可以設計一個收集織物圖像信息時的“探針”，稱為結構元素，利用結構元素去探查每一幅織物圖像，看是否能夠將這個結構元素很好地與考察圖像匹配。從而提取有用的信息作織物圖像的結構分析和描述。
數學形態學檢測織物疵點首先對沒有任何疵點的織物圖像進行檢測，得到表示這種織物紋理特征的參
g(i,j)=1 f(i,j)≥tg(i,j)=0 f(i,j)≤t 其中f(i,j)指灰度值，t為闕值。用已經建好的結構元素對二值化織物影像進行考察。對能與結構元素很好匹配的部分進行腐蝕運算；對無法與結構元素匹配的部分（即疵點存在的部分）進行膨脹運算，使疵點影響像更為清晰化。最后根據已知的疵點圖像（已建立的織物疵點圖庫）和從以上分析所得到疵點部分灰度閾值確定疵點的類型。
2.2 用小波變換的方法進行織物疵點檢測 小波變換是由短時傅立葉變換發展起來的應用數字分支，具有多尺度的特點以及時域、頻域表征信號局部特征的能力。小波變換中由于引入了尺度因子，使之具有分析頻度降低時視野自動放寬的特點，能夠將各種交織在一起的頻率組成的混合信號分解成不相同頻率的塊信號，能有效地應用于模式識別，特別適用于織物疵點檢測。
織物疵點是由于織造過程中經緯紗不規則交織造成的。在疵點形成的局部區域內，其紋理特征明顯不同于正常織物組織結構紋理。基于這些差異，應用小波變換既能獲得局部信息又能在時域和頻域上同時實現任意尺度和角度變換的檢測特性，檢測織物疵點。
相關信息 
推薦企業 推薦企業
推薦企業
您所在的位置：
