论文部分内容阅读
在纺织品生产行业中,织物的缺陷检测,对纺织品质量的控制至关重要。传统的织物缺陷检测大部分由人工目测实现,这种传统的方法存在检测速度低、误检率高、人为影响因素大等缺点,并且不能满足自动生产线的实时质量检测要求。因此,采用基于机器视觉的织物检测,是纺织品生产线实现实时质量监控的必然趋势。本文对织物缺陷在线检测技术的相关原理和技术进行了研究。文章的研究方向和工作内容主要有三个方面：一是在研究了国内外成熟的视觉检测系统的基础上,根据对织物检测的需求分析,进行了视觉检测系统硬件结构的设计；二是在研究织物缺陷检测算法的基础上,提出了两种基于无监督的自动缺陷检测的改进算法；三是将硬件集成与软件算法结合,搭建了基于机器视觉的织物缺陷检测系统。本文研究工作主要有：(1)深入研究国内外现有的成熟的织物缺陷检测系统,结合织物缺陷检测的需求分析,对视觉系统中硬件进行选型,同时根据织物产品实时、高速的质量检测要求,设计了一种基于分布式机器视觉在线检测系统硬件结构。即利用三个相机协同采集织物图像,设计了大功率LED自动同步频闪光源,高频率、连续的闪光,配合相机实现同步图像采集。(2)本文在对织物缺陷检测技术的相关原理和算法进行深入研究的基础上,提出两种基于奇异值分解的相应的算法改进：①第一种是基于改进的2DFCM和SVD的缺陷检测方法。将分块图像进行奇异值分解得到图像的奇异值特征,用聚类的方法对特征数据分类。传统的FCM算法计算复杂度高,抗噪能力差。本文提出的方法,是基于改进的2DFCM算法,通过引入二维直方图,得到像素的空间位置信息,提高了图像抗噪性；同时,为了提高算法收敛速度,用抑制因子修正隶属度函数,提高了算法的实时性。②第二种是基于去周期性纹理织物的缺陷检测方法TSVD(改进的基于截断奇异值分解)。为了校正随机噪声、不均匀光照等干扰,提出了基于形态学高低帽变换的图像预处理方法,得到最佳对比度和均匀照明。同时,将截断奇异值数量k的决策方法,由基于差值曲线的阈值判定方法,改进为基于归一化奇异值维数的自适应选取方法。实验结果显示,改进算法比原截断奇异值分解法拥有更好的抗噪性和分割效果。(3)设计了缺陷检测的软件系统的整体架构。利用OpenCV和VC++平台,在硬件集成系统上实现了基于机器视觉的织物缺陷检测系统。