基于機(jī)器視覺的織物疵點(diǎn)自動(dòng)檢測(cè)系統(tǒng)

1、基于機(jī)器視覺的織物疵點(diǎn)自動(dòng)檢測(cè)系統(tǒng)織物疵點(diǎn)檢測(cè)模塊完成對(duì)織物圖像上疵點(diǎn)的檢測(cè),找出疵點(diǎn)并定位。該模塊由基于局部熵的粗檢階段和基于小波分析的細(xì)檢階段兩部分組成。首先把經(jīng)過預(yù)處理的圖像分成同樣大小的局部窗口,再計(jì)算每個(gè)局部窗口的熵,選取熵最小的窗口作為疑似區(qū)域,再對(duì)疑似區(qū)域進(jìn)行小波分解, 從而準(zhǔn)確識(shí)別疵點(diǎn)是否存在,以及疵點(diǎn)的位置,為下一步分類等工作做好充分的準(zhǔn)備。疵點(diǎn)檢測(cè)程序首先要把疑似區(qū)域圖像進(jìn)行分塊,然后分別對(duì)各個(gè)小塊進(jìn)行疵點(diǎn)檢測(cè)。檢測(cè)算法選用自適應(yīng)小波分解算法,對(duì)實(shí)時(shí)性要求高,所以對(duì)算法的速度有很高的要求。首先利用正常的布匹圖像對(duì)算法進(jìn)行訓(xùn)練,得到優(yōu)化選擇的小波和正常的織物特征參數(shù);然后在檢

2、測(cè)時(shí)把圖像分解成4個(gè)1/4大小的 ll、lh、hl、hh子圖像,通過對(duì)子圖像的特征參數(shù)分析,判斷是否存在疵點(diǎn)。 疵點(diǎn)檢測(cè)模塊可以得出疵點(diǎn)的圖像信息。這些信息及時(shí)的保存到織物疵點(diǎn)信息數(shù)據(jù)庫中,以免由于處理不及時(shí)而導(dǎo)致疵點(diǎn)信息的丟失。系統(tǒng)可以根據(jù)這些疵點(diǎn)信息,對(duì)疵點(diǎn)進(jìn)行分類,綜合判定布匹的等級(jí),進(jìn)而對(duì)疵點(diǎn)進(jìn)行修整、查找形成疵點(diǎn)的原因等工作。織物疵點(diǎn)信息數(shù)據(jù)庫建立在 sql server2000 數(shù)據(jù)庫管理平臺(tái)上,以實(shí)現(xiàn)疵點(diǎn)信息的共享,為后面的工藝流程提供信息支持。 3.織物自動(dòng)檢測(cè)過程 織物疵點(diǎn)自動(dòng)檢測(cè)系統(tǒng)總體流程圖如圖2所示,該流程圖清楚地表明織物檢測(cè)過程經(jīng)圖像采集與處理、局部熵粗檢、小波細(xì)檢、

3、疵點(diǎn)信息存儲(chǔ)等幾個(gè)關(guān)鍵環(huán)節(jié),在檢測(cè)過程中逐步排除正?？椢飯D像,而疑似區(qū)域圖像須經(jīng)局部熵粗檢和小波細(xì)檢兩步檢測(cè),方可確定有無疵點(diǎn)。這樣,既減輕了系統(tǒng)硬件負(fù)擔(dān),不必為正?？椢锢速M(fèi)過多的時(shí)間和空間;另外疑似區(qū)域經(jīng)兩遍檢測(cè)方可確定疵點(diǎn),又提高了疵點(diǎn)判定的準(zhǔn)確率。 4.兩步檢測(cè)法的實(shí)現(xiàn) 隨著設(shè)備更新改造、生產(chǎn)技術(shù)水平的不斷提高,坯布質(zhì)量大有改進(jìn),織物疵點(diǎn)率一般都小于5%。在研究相關(guān)成果時(shí)發(fā)現(xiàn),在織物疵點(diǎn)自動(dòng)檢測(cè)過程中,無論運(yùn)用哪種檢測(cè)方法,都是自始至終地對(duì)整匹坯布,無論是正?？椢镞€是疵點(diǎn)織物采用同一種方法全數(shù)進(jìn)行檢測(cè)。這樣勢(shì)必造成絕大部分檢測(cè)工作都是針對(duì)無疵點(diǎn)布面進(jìn)行的,特征參數(shù)多、計(jì)算量大、存儲(chǔ)量大,

4、嚴(yán)重降低了檢測(cè)速度,軟硬件均造成很大的浪費(fèi)。而軟硬件成本太高也正是現(xiàn)有國(guó)外商用織物疵點(diǎn)自動(dòng)檢測(cè)系統(tǒng)產(chǎn)品不能得到推廣的主要原因之一。在總結(jié)前人經(jīng)驗(yàn)教訓(xùn)的基礎(chǔ)上,首次提出對(duì)織物進(jìn)行先粗檢,后細(xì)檢的兩步檢測(cè)法。 粗檢利用局部熵進(jìn)行,將經(jīng)直方圖均衡化預(yù)處理后的織物圖像分成相同大小的窗口,對(duì)每個(gè)窗口進(jìn)行局部熵的計(jì)算,然后與正常織物局部熵閾值對(duì)比,把局部熵較小的窗口設(shè)為疑似區(qū)域,作為疵點(diǎn)可能存在區(qū)域保存其圖像并準(zhǔn)備進(jìn)行下一步細(xì)檢;而局部熵較大的窗口則判為正?？椢?圖像不再存留。由于95%以上的織物均為正?？椢锛春细癞a(chǎn)品,所以大部分織物圖像可以不再保存,這樣,一方面提高了圖像處理速度,另一方面可以降低對(duì)系統(tǒng)

5、軟硬件的要求,為降低系統(tǒng)成本打下良好基礎(chǔ)。接下來對(duì)局部熵較小的疑似區(qū)域進(jìn)行小波細(xì)檢,利用單層自適應(yīng)小波對(duì)粗檢階段篩查出來的疑似區(qū)域進(jìn)行圖像一層分解,在得到的四個(gè)子圖中,舍去信息含量少的hh子圖,而對(duì)其他三個(gè)子圖進(jìn)行特征參數(shù)即標(biāo)準(zhǔn)差和極差的提取,經(jīng)統(tǒng)計(jì)后與正常織物標(biāo)準(zhǔn)值相對(duì)比,計(jì)算出偏差,如偏差大于一定閾值,則可確定圖像存在疵點(diǎn),否則,偏差過小,則為正?？椢?圖像可丟棄。 5.總結(jié) 兩步檢測(cè)法可充分考慮織物疵點(diǎn)率小于5%的實(shí)際情況,將95%以上的正?？椢锛霸缗懦?這樣既可提高檢測(cè)速度,又可降低硬件投入;采用兩步對(duì)疑似區(qū)域進(jìn)行重復(fù)檢測(cè),提高了檢測(cè)的準(zhǔn)確率,降低了漏檢、誤檢率,最終達(dá)到低成本、高檢測(cè)速度、高檢測(cè)精度的良好效果。 參考文獻(xiàn): 1 姚穆.來凱.孫潤(rùn)軍.紡織檢測(cè)技術(shù)與儀器的回顧及前瞻.棉 紡織技術(shù),2003.3,31(2):1619頁 2 ht choi, s h jeong, s r kim, j y jaung, s h kim. detecting fabric defects with computer vision and fuzzy rule generation (part ii). textile research journa