论文部分内容阅读
当前纺织行业的竞争十分激烈,能否提高产品质量和降低生产成本现已成为纺织企业能否生存下去的关键问题,质量控制和生产效率越来越受到现代的企业普遍关注。而布匹的疵点的出现是降低布匹质量的重要因素之一。当今随着数字图像处理技术和集成技术的高速发展,在许多表面检测的领域中,机器视觉广泛应用,所以基于机器视觉的布匹疵点检测也将成为该领域发展的必然趋势。 目前前人研究布匹疵点检测主要用在纺织布匹成品质量评定中着重于它的精度,而本课题是利用机器视觉检测技术,实施对印染前处理工艺中布匹的实时检测,及时发现疵点并进行相应的处理以便于提高印染布匹的质量。对印染布匹前处理工艺中加工布面的特征以及市场需求做了详细研究,确定了该系统的性能要求:高检测精度、实时性、高分辨率以及稳定性。鉴于以上要求本文主要算法研究分为以下三部分 一、图像的预处理算法:主要包括图像的去噪和纹理处理。通过对前人图像的去噪和纹理处理方法的研究总结,以及实验分析最终选择高斯滤波器对布匹图像的去噪和一种基于LTV算法的布匹纹理处理。 二、布匹的疵点检测算法:包括布匹疵点的边缘检测、边缘提取、图像后处理、疵点的特征提取。其中边缘检测使用Sobel算子,实验表明它的效果和实时性都比较好。边缘提取实际上就是阈值分割的过程,本文运用了一种基于自适应门限的疵点区域分割方法,实验证明其在复杂的背景中能很好地提取目标边缘。本文提出了一种基于形态学的疵点快速标记算法。该算法会大大提高处理速率,从而达到本课题所要求的实时性问题。 三、布匹的疵点分类算法:由于印染前处理工艺中的布匹疵点特点,确定了只需要对疵点进行二值分类,要求该分类器具有很好的泛化能力。所以该课题选用了基于支持向量机(SVM)疵点分类模型,经理论和实践验证,该模型具有很强的泛化能力,对0.5mm2以上的孔洞和污渍的分类精度高达96%,可以满足本课题的要求。