机织物经纬密度的图像测量-Ⅱ测量精度及标准化

为提高测量系统的精度和效率，通过与人工测量作对比试验，用数据检验了所设计的织物密度自动分析系统测试织物密度可能达到的测量精度；提出了标准化测试方案，即每个试样在不同位置测量15幅图像，以平均值作为结果能够达到精度要求；分析了用2种测试方法得到的测量数据的误差和稳定性；试验结果表明，该系统自动测量织物密度具有可靠性和优越性。     

织物经纬密度测量的研究进展

介绍了当前织物经纬密度测量的技术手段和国家标准，综述了当前国内外织物经纬密度自动测量的研究现状和进展以及投入应用的测量仪器的情况，并对新的测量仪器进行展望。     

机织物经纬密度的图像测量－I测量方法

介绍了一个由CCD数码相机、平板透射光源和PC机组成的简易织物图像分析系统,其测试原理是模拟移动式密度镜的测试原理设计图像识别算法,通过识别织物中纱线的间隙进而对经、纬纱线计数并完成测量。试验结果表明,它可以测量素色、印花、色织物等绝大多数常规织物,其测量精度应高于人工测量中的观测精度。     

织物经纬密度自动测量的研究现状及其展望

介绍了目前国内外织物经纬密度自动测量的研究现状、研究方法以及推向市场的测量仪器的情况,并对织物自动测量的研究方法和技术进行了展望。     

用小波变换法自动测量机织物经纬密度

研究用小波变换方法对机织物图像处理,实现织物经纬密度的自动测量,提出了确定小波分解层次的方法,对分解图像进行二值化和平滑处理的方法,实验证明用coiflets小波处理织物图像是有效的。     

织物经纬密度自动测量实用技术:1.测量方法

为克服单一图像处理技术在检测高紧密、歪斜变形、绒面和结构不均匀等织物的结构参数时存在的困难和低精度问题,提出一种自动测量机织物经纬密度的新方法。运用力学拉伸矫正和清晰化与图像处理的组合技术快速测定机织物的经纬密度。研究证实,基于组合技术的纱线排列密度图像测量算法易实现,且对织物结构的图像识别具有普适性,可标准化和实用化。     

喷水织机织物的经纬密度设计

从织物的原料类别与线型、丝线纤度、组织结构、织物用途等方面分析了经纬密度设计的注意点，介绍了喷水织机常用组织下不同纤度时的密度设计参考值，以及等紧度设计经纬密度的方法。     

基于自适应小波变换的织物密度测量

应用自适应小波变换技术以实现机织物密度的自动测量。先运用Wiener2和直方图均衡技术对织物图像进行预处理,增强图像的纹理特征;接着选取自适应小波技术对织物图像进行分解;再对分解得到的子图像进行二值、平滑等后处理;最后通过分析后处理图像的经纬纱线信息得到织物密度。试验结果证明,运用该方法能够准确测量3种基本组织的织物密度,是一种行之有效的方法。另外,还简要介绍了自适应小波的构造技术。     

麂皮绒织物的设计

从织物原料、织物组织、经纬密度及缩率、线型等方面分析了麂皮绒织物规格配置的要点,可供设计同类织物参考。     

基于频域特征点提取的素色机织物密度识别算法

通过计算机图像处理技术对织物图像进行分析,利用傅里叶变换技术将织物图像从空间域转换到频率域,并采用对比度拉伸、高斯低通滤波等图像预处理手段来增强图像质量,然后使用阈值处理技术对织物频谱图进行处理,得到包含织物密度信息的特征点坐标。通过频谱图上特征点坐标和空间域周期的对应关系,经计算最终得到织物经纬密度。实验结果表明,织物密度识别最高误差为2.8%,此方法可以实现三原组织素色织物的经纬密度的自动识别。     

Fabric defect delaminating detection based on visual saliency in HSV color space

Due to a large variety of fabric defects, the traditional detection method is difficult to meet the needs of dynamic detection that include all kind of defects. In order to enhance the effect of fabric defects detection, this paper proposed a dynamic delaminating detection method that fabric defects in the HSV color space are detected according to the fabric defect saliency. The idea is simulating the human visual system, and gradually enhancing the saliency of fabric defects through the data-driving. By the way, different types of defects are highlighted in different layers. At the same time, some task factors are used to drive form detection interest region in each layer. Then all kinds of defects are delaminated detection by setting a threshold in different layers. Experiments show that the proposed algorithm can accurately detect all kinds of defects, and have a strong universality for various types of defect detection. It can provide a possibility for the realization of fabric defects automatic detection.     

基于互相关的印花织物疵点检测

为实现印花织物中疵点的自动检测,以互相关理论为基础,结合图像处理技术,以Matlab7.0构建了一套印花织物疵点自动检测系统。在疵点检测过程中,提出以加和表理论为基础实现互相关系数的快速计算。通过对软件模拟的印花花纹疵点的识别,说明这个系统能够实现印花过程中常见的花纹偏移、颜色色差等疵点的自动检测。实际印花织物疵点的检测实验表明,所提出的算法具有有效性、鲁棒性等优点。通过比较不同子窗口大小的检测结果,选定25像素×25像素作为最终检测系统中子窗口的大小。     

基于非下采样轮廓波变换和朴素贝叶斯分类器的织物缺陷检测

为检测织物生产过程中产生的缺陷,提出一种非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)和朴素贝叶斯分类器(naive Bayes classifier,NBC)相结合的缺陷检测算法.该方法分为2个阶段:学习阶段和检测阶段.在学习阶段,分别提取有缺陷和无缺陷织物的子块集合,首先利用NSCT进行滤波去噪;然后提取每个子块的广义高斯分布的混合(mixture of the generalized Gaussion distribution,MoGG)模型,并计算子块之间的相对熵(kullbackleibler divergence,KLD);最后利用得到的数据训练NBC.在检测阶段,将待检测图像分割成子块,利用经过训练的NBC检测子块,输出缺陷检测结果.实验结果表明,该算法对于灰度均匀织物及净色纹理织物的缺陷检测均具有良好效果,并且利用该算法可以检测出多种缺陷类型,检测精度可达到97%,能满足工业生产需求.     

Fabric defect detection based on the saliency map construction of target-driven feature

In inspection of fabric surface quality in production line, small defects have to be detected in a large background. In this paper, a new method is put forward to detect fabric surface defect by target-driven features. First of all, surface defect feature of fabric is analyzed; and then, area feature of and number feature of defects are used as tasks, which drive to enhance saliency of defective regions and to form feature saliency maps; finally, by using threshold segmentation, fusion, and filtering, fabric defect is gained from the feature saliency maps. Experiments show that the detection algorithm, compared with classic defect algorithm, can achieve accurate segmentation of the surface defects, better anti-noise ability, higher detection accuracy, which has a strong applicability on the fabric defect detection, and provides the possibility for realizing automatic detection of textile industrial product surface defect.     

基于深度信念网络的织物疵点检测

为提高织物疵点检测精度和效率,提出了一种基于深度信念网络的织物疵点检测方法。用改进的受限玻尔兹曼机模型对深度信念网络进行训练,完成模型识别参数的构建。利用同态滤波方法对图像进行预处理,使疵点图像更加清晰,同时抑制了背景图像。以Python语言,基于TensorFlow框架构建深度信念网络模型,对织物疵点图像进行处理得到学习样本,确定模型激活函数后,分析了各模型参数对织物疵点检测准确率的影响规律,得到激活函数为Relu, Dropout值为0.3,预训练学习率为0.1,微调学习率为0.000 1,批训练个数为64时,模型参数值达到最优。最后,利用在无缝内衣机上采集到的各类疵点图像,对深度信念网络织物疵点检测模型进行验证。结果表明：所提出的织物疵点检测方法能够快速、有效地对织物疵点进行检测和分类识别,准确率达到98%。     

应用积分图的织物瑕疵检测快速算法

为解决现有基于图像处理的织物瑕疵检测算法实时性较差、正确率偏低等问题,提出一种包含学习和检测2个阶段的瑕疵检测算法。通过对无瑕疵模板图像的梯度能量特征及其分布特性的学习,自适应获得检测阶段所需的参数。一方面利用积分图原理将任意大小的图像块内的求和运算化简为三次加法运算,快速提取织物图像的梯度能量特征,实现织物瑕疵的实时检测,另一方面利用核函数拟合特征参数分布,结合均值漂移法求解分布峰值获得自适应的瑕疵判定阈值参数,实现织物瑕疵的准确分割。通过实验将本文算法与现有基于局部二值模式特征、小波特征、规则带特征等算法进行对比,针对包含3种纹理6类瑕疵的织物图像数据集的测试结果显示,本文算法平均处理时间为56ms,正确率为97%。     

曲线匹配算法及其在织物自动对花检测中的应用

针对圆网印花过程中的对花检测问题,在提出的基于机器视觉的圆网印花检测系统的基础上,提出了利用曲线匹配策略得到错花套色的位置误差矢量的方法。为了确保目标边缘图像与标准边缘图像拍摄位置相同,利用Fourier-Mellin曲线匹配,对其进行匹配消除拍摄误差;然后用基于傅里叶变换位移定理的曲线匹配算法,对调整好的目标边缘图像和标准边缘图像进行匹配,检测对花误差。该匹配策略消除了拍摄误差,数据运算量小,实验表明其检测精度和运算速度可以满足织物对花在线检测的要求。     

基于机器视觉和图像处理的织物疵点检测研究新进展

按照被检测的织物类型并根据当前研究中所使用的方法,简要综述了近年来基于机器视觉和图像处理的织物疵点检测系统新的应用和发展情况。首先分析了织物疵点自动检测研究的理论和现实意义。给出了织物疵点检测系统中视觉图像获取和疵点图像检测两个关键部分的架构。说明了迫切需要进行检测的两类织物白坯布和色织布,着重讨论了对这两类织物进行疵点检测的各种新方法,并详细说明了其检测效果和存在的不足。最后给出了疵点检测研究的几点建议。     

Development of a machine vision system: real-time fabric defect detection and classification with neural networks

In this study, a machine vision system is developed to achieve fabric inspection and defect classification processes automatically. The system consists of an image acquisition hardware and an image processing software. A simple and portable system was designed so that it can be adapted easily to all types of the fabric inspection machines. The software of the system consists of defect detection and classification algorithms. The defect detection algorithm is based on wavelet transform, double thresholding binarization, and morphological operations. It was applied real time via a user interface prepared by using MATLAB^® program. The defect classification approach is based on gray level co-occurrence matrix and feed forward neural network. Five commonly occurring defect types, warp lacking, weft lacking, soiled yarn hole, and yarn flow, were detected and classified. The defective and defect-free regions of the fabric were detected with an accuracy of 93.4% and the defects are classified with 96.3% accuracy rate.     

纬编针织物疵点的实时检测

 本文构建了图像采集,数据信号处理和光源的纬编针织物疵点实时检测系统.针对纬编针织物部分疵点在图像上灰度分布明显,但形状不规则的特点,使用了细胞神经网络对疵点进行分割;对于灰度差异较小,却呈线形状分布的疵点,引入线检测的方法,使用Radon变换定位疵点的位置.实验表明,该算法可以有效的检测出破洞,漏针,飞花,跳纱,横路和花针等纬编针织物疵点.