FPGA技术在布匹瑕疵检测系统中的应用

使用FPGA能够开发出功能强大，易于更新维护的图像处理系统，文中介绍FPGA技术在图像处理领域中的典型应用，结合自主开发的布匹瑕疵检测系统。详细阐述了FPGA程序设计中并行算法的设计流程。并通过具体例子，提出了FPGA程序设计过程中需要注意的问题和优化程序，节省逻辑资源的几个方法。     

基于级联卷积神经网络的复杂花色布匹瑕疵检测算法

当布匹的背景信息复杂多变时,复杂花色布匹的瑕疵定位与分类较为困难.针对这一问题,文中提出基于级联卷积神经网络的复杂花色布匹瑕疵检测算法.首先,使用双路残差的骨干特征提取网络,在缺陷图和模板图上提取并融合特征.然后,设计密度聚类边框生产器,指导框架中区域候选网络的预检测框设计.最后,通过级联回归方法完成瑕疵的精确定位和分类.采用工业现场采集的布匹图像数据进行训练与预测,结果表明,文中算法的精准率和召回率较高.     

线阵CCD在布匹幅面热定型控制中的应用

介绍了线阵CCD在布匹幅面热定型控制中的应用,以Microchip公司生产的PIC16C57单片机为控制核心,加上精心设计的CCD驱动控制电路,实现布匹幅面热定型中的精确测量及调理,该系统具有速度快,精度高的特点,提高了产品质量及生产效率。     

基于模板匹配单色布匹瑕疵检测算法

提出一种基于模板匹配的单色布匹瑕疵检测算法,该检测算法首先存储待测布匹的无瑕疵模板图,并对模板图进行分块,然后对待测样本图进行相同的分块操作,进一步利用模板匹配方法对相同分块区域的样本图与模板图进行匹配查找,得到最优匹配图像.在匹配过程中,对模板图按照一定比例进行扩充,以提高匹配的准确性.最后将样本图与最优匹配图像进行差值对比实现布匹瑕疵检测.实验结果表明,算法弥补了传统Gabor算法高度依赖纹理的缺陷,提高了对于纹理模糊的单色布匹瑕疵检测准确率,检测效率与精度满足验布现场需求.     

基于改进YOLOv3算法的布匹疵点检测

基于视觉的布匹疵点检测具有检测效率高和成本低的优势.目前基于深度学习的目标检测算法得到了广泛应用,但是布匹疵点检测具有检测小型疵点准确率低、计算量大和检测速度慢的缺陷,因此提出一种改进YOLOv3的布匹疵点检测算法.该算法使用轻量级卷积神经网络GhostNet作为YOLOv3算法的特征提取网络,加快网络的计算速度,同时...     

羽毛色彩及应用环境下稳定性初探

探讨鸟类羽毛色彩原理。色彩形成与其食用品的色素转化沉积和结构色有关。试验表明：弱碱和弱酸条件下，对脂色素影响不大，氧化剂对脂色素变化则相对显著。若羽毛受到结构破坏，其物理光学效果会改变。     

复杂纹理布匹五类典型瑕疵图像检测算法研究

针对复杂纹理布匹瑕疵检测这一纺织工业质检环节中的技术难点，基于深度卷积神经网络提出一种图像检测算法模型。首先对比选用YOLOv7 tiny模型为算法参考框架然后进行优化改进，包括使用SimAM模块重构特征融合层，以提升模型对瑕疵局部特征的提取能力并抑制背景特征；采用SIoU优化坐标定位损失函数，以加快目标框的回归效率；引入FReLU激活函数，以增强非线性激活层对空间信息的利用能力，提升激活函数的空间敏感性。实验结果表明，该模型在复杂纹理布匹五类典型瑕疵的检测任务上的查准率和查全率都优于现有其他算法，mAP达到最高值805%，且模型大小仅为92 M，在PC端上单帧图像检测只需2113 ms。     

轻纱迎风

你有没有想过，被大风卷走的晒在花园里的被单变成帆船，载着你，漂到远方的仙境？风吹走被单，这一简单的生活现象激发了设计师花园创作的灵感。来这里休息一下吧!躺上这软软的布匹，摇一摇，感觉真妙!布匹形状不断变化，一会儿是长椅，一会儿是睡床，一会又变成蹦床或是秋千!     

晋州布匹市场

位于石家庄市以东49公里的晋州布匹市场是华北最大的布匹专业市场。 1979年初,随着服装加工业的兴起,带动了布匹购销的发展,开始只有50余户农民街边摆摊经营。随着规模的扩大,1991年晋州市决定选择在307国道北侧的滨河街与中兴街之间,火车站以东400米的地方     

图案布匹瑕疵的在线视觉检测

为实现图案布匹瑕疵的在线实时检测,提出了一种基于机器视觉的实时检测方法。离线训练时,通过无瑕疵图像的叠加距离函数以及极值权重分析精确求取图案纹理基元周期,提取标准基元后创建无瑕疵标准基元偏移序列,提取特征用以构建模糊分类器;在线检测时,基于创建的偏移序列求取待检测图像块特征,采用模糊分类器分类,若存在瑕疵则继续构建精确分类器分类。实验表明,所提出的方法对任一批图案不同布匹只需对无瑕疵图案布匹学习一次,即可实现在线检测,检测一帧图像平均时间为200 ms,准确率达99%以上,实时性高且误检率低。