基于Gabor小波变换的运动织物疵点三维检测

本文提出了一种基于Gabor小波变换的运动织物疵点三维检测的方法,此方法通过采用SFS(Shape FromShading)算法为基础,从单张图像中获取疵点的三维信息,采用的Gabor小波变换方法实现了空间域和频率域的最佳定位,使得疵点图像被增强,正常纹理图像被减弱,从而可以提取图像疵点的局部细微变化特征,为获取更加准确的疵点三维信息和实时在线检测织物提供了很大帮助。实验结果表明此方法可以有效的获取织物疵点的三维形貌且简单快捷,误差较小,能达到实时性的要求。     

基于Gabor滤波器的织物疵点检测

从疵布结构纹理模型出发阐述Gabor滤波器疵点边缘增强原理。根据织物特征设计织物自适应Gabor滤波器,确定Gabor滤波器的中心频率。再利用设计好的Gabor滤波器对方向性特征畸变织物疵点进行增强,并通过阈值处理完成疵点边缘检测。实验证明,织物自适应Gabor滤波器对方向性特征畸变疵点具有良好的边缘增强效果,可以突出织物纹理的能量,抑制疵点纹理的能量,同时该算法的最高检测速度可以达到7m/min。     

纹理织物疵点窗口跳步形态学法检测

针对纹理织物疵点自动检测时因生产速度快造成的织物抖动以及检测速度难以匹配问题,提出窗口跳步形态学法纹理织物疵点检测算法。使用该算法对图像进行窗口分割及预处理后,首先对纹理织物图像的纹理特征进行分析,然后设计形态学算子进行腐蚀操作,最后使用连通域分析来确定疵点大小及位置。仿真实验及工厂实际应用表明,该算法可有效克服工业生产中纹理织物抖动造成的图像明暗不均,可检测出纹理织物中存在的破洞、经纬疵点、污渍、断线、折痕和结头等各种疵点,而且检测速度明显优于快速傅里叶变换特征点算法以及传统形态学检测算法。实时检测速度超过80 m/min,疵点检测精度为0.1 mm,满足实际生产需求。     

基于方向灰度积分曲线特征的织物疵点检测算法研究

针对于断纱、缺纱、穿错、粗纱等这类结构型织物疵点,由于其具有灰度跳变不明显、疵点面积小的特征在疵点检测过程中难以检测这一问题,本文结合织物图像自身的纹理特征及结构型疵点的方向性特征,创新性地提出基于方向灰度积分曲线特征的织物疵点检测方法,将二维织物图像的疵点检测转化为对一维灰度积分曲线特征的分类识别。该方法通过对输入的图像提取垂直水平方向灰度积分波形曲线,并对积分曲线提取了包括平均值、方差、能量等14个波形特征,然后利用可优化SVM分类算法对提取特征进行疵点判别。通过对漏针、断纱、并经、粗纱等疵点进行检测试验,结果表明,本文提出的疵点检测方法不仅对检测灰度跳变较小的结构型疵点具有较好的检测效果,检测准确率达到了94.34%,而且检测速度快,可以满足实时检测的速度要求。     

基于尺度变换的Gabor滤波器织物疵点检测

针对织物表面疵点自动图像检测问题,提出一种基于尺度变换的Gabor滤波器织物疵点提取方法,该方法使Gabor滤波函数的比例伸缩尺度随中心频率而变化。用Gabor尺度变换的3个尺度和4个方向的滤波器组分别与正常和待识别的疵点织物图像进行卷积,提取正常与异常织物纹理特征,从而得到偏差图像。再对偏差图像进行融合,使织物疵点突显出来。最后通过阈值处理检测出织物疵点。对缺经、缺纬、经纬交错和油污4种常见织物缺陷的实验结果表明,这种方法是有效的。     

基于显著纹理特征的织物疵点检测方法

针对显著纹理背景下织物图像灰度级有限、对比度不明显致使目标疵点自动检测难度较大的问题,提出了一种用于显著纹理背景的织物疵点检测方法。首先,鉴于Tamura纹理模型具有分辨能力强、旋转不变性以及算法鲁棒性强的特点,提出了多尺度度量局部纹理粗糙度的改进算法,以增强纹理分辨能力;然后,结合织物疵点图像视觉显著性分析,基于局部纹理最佳窗口,通过提取与融合粗糙度、对比度和方向生成视觉显著性特征图,以显著突出织物疵点区。经TILDA织物纹理图库数据的实验测试,结果表明,与其他相关方法相比,此方法在有效抑制显著纹理背景的同时,检测的目标疵点具有较好的一致性和完整性。     

k-means聚类算法在织物疵点检测中的应用

为检测常见织物的各种疵点,提出一种基于k-means聚类的织物疵点检测方法。对采集的图像进行中值滤波,以减轻纹理对疵点检测的影响,并利用方差采样算法增强织物的疵点特征信息;利用k-means聚类算法对方差采样后的图像进行处理,使得疵点区域被划分一类,非疵点区域划分为一类。最后经过二值化,分割出疵点。实验证明,该方法能快速、准确的检测出织物的常见疵点。与其他方法相比,文章提出的算法采用聚类思想对织物疵点进行分割,不需要利用正常织物图像进行阈值计算;另外经过方差采样算法处理后疵点信息明显增强,使得疵点信息与纹理明显不同,从而使聚类更为准确,增加了检测的准确度。     

基于树莓派的深度学习色织物疵点检测研究

研究基于树莓派的深度学习色织物疵点检测效果。设计了一种基于树莓派的深度学习疵点检测系统。采用多线程并发执行思路,将系统任务划分为图像采集、图像处理和人工交互三个线程;采用改进的Inception-v3模型图像处理算法,实现了织物图像疵点检测和分类;通过人工交互界面,实时显示系统的运行数据,根据色织物疵点报警停车。结果表明:该系统实现了色织物疵点检测和分类,平均准确率达94%。认为:该织物疵点检测方法可达到工业现场在线检测的要求。     

基于Frangi滤波器的织物疵点检测方法

提出了一种基于Frangi滤波器的织物疵点检测方法。该算法首先对样本织物图像进行均值下采样处理,淡化和消除背景纹理对织物疵点检测的影响,然后将均值下采样处理后的图像经Frangi滤波器进行滤波,从而增强织物疵点部分以利于疵点的分割,最后对Frangi滤波后的图像进行阈值分割,分割出织物疵点部分。采用该算法对6种纹理织物进行处理,检测出26种疵点,92%的疵点能被准确的检测和定位,误报率为8%,检测效果较好。     

自适应局部二值模式算法及其在织物疵点检测中的应用

为了能够准确地提取不同纹理的特征,提出一种新的纹理特征提取方法,自适应局部二值模式为不同纹理特征创建相应的主要概率模式子集,避免了均匀局部二值模式使用同一模式集描述不同纹理结构而导致的描述不准确问题.在该算法基础上构建一种新颖的织物疵点检测算法,使用本文提出的特征提取方法获取无疵点织物图像特征并确定疵点判断阈值,然后将待检测织物图像分割为大小相同的检测窗提取特征后,与阈值比较以判断是否为疵点区域.实验证明此算法不仅保持了传统LBP的旋转不变、多分辨率等特点,而且疵点检测结果在视觉上更加细腻、误检率更低、适用范围更广.     

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。     

真丝绸印染后整理的探讨

对于丝绸印染产品,必须在解决练、染、印、整各道工序本身关键问题的同时,全面考虑前后工序对其影响,才能稳定地提高产品质量和水平。     

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.     

阿斯塔纳墓出土唐代印花纱工艺特征分析及设计应用

通过对阿斯塔纳墓出土的四块唐代印花纱工艺研究分析,笔者根据"碱剂印花"的工艺原理,在生丝面料上进行样品实验,对生丝脱胶显花工艺在手工印染产品中的多元运用做出尝试,获得了独特的面料花色及质感风格,并将其运用于时装及纺织品设计。希望通过从考古文献→传统工艺研究→样品实验→设计转化应用这一技术路径,以研究传统工艺方法为切入点,习古创新,启迪设计思考,指导实践应用。     

基于改进判别性完整局部二值模式与格分割的织物瑕疵检测方法

为解决传统的完整局部二值模式在织物疵点检测时存在直方图维数过高和特征冗余并且在小区域图像变化幅度剧烈或变化幅度平缓时存在局限性的问题,提出一种改进判别性完整局部二值模式并结合自动格分割的织物瑕疵检测方法,该新算法可分为训练和测试2部分。通过实验将该算法、小波预处理的黄金图像相减方法、布林线指标方法、正则带方法进行对比,针对2 种纹理3 类瑕疵的织物图像数据集进行测试。结果表明,该方法对星形图案和箱形图案纺织品检测效果较好,一部分的查全率可达到0.99,大部分检测结果的查全率均在0.90 以上。     

Effect of electron irradiation on dye and printability of polypropylene (PP) fabrics: a novel method for decoration of PP fabrics

Polypropylene (PP) has a very low value of the surface free energy (approximately 20–25 mJ m^?2). And thus, has very weak hydrophilic properties and doesn’t have any affinity to any dyestuffs, such as cationic or anionic dyes. In this study, we covered some parts of PP fabrics by mask, and then irradiated them by electrons with different energies. After electron irradiation, the samples were dyed by cationic dyestuff. The result showed that, electron irradiated parts could be dyed easily and the fabric could be printed and decorated simply. The treated surfaces were investigated by scanning electron microscope (SEM), reflective spectrophotometery, and Fourier transform infrared spectroscopy (FTIR). Also, light and wash fastnesses of printed samples were measured. The results are reported.     

Effect of fabric substrate and coating material on the quality of conductive printing

This paper reports an investigation into the effect of fabric substrates and coating materials on the electrical and mechanical performance of printed antennas. Inductively coupled antennas were printed on fabrics using silver ink. To assure printability and protection, a printing structure was configured, consisting of surface coating, conductive printing, and protective coating. In order to simulate a realistic situation, three fabric substrates (denim, broadcloth, and single jersey) were selected from woven and knit fabrics for everyday wear. Three coating materials (acrylic, polyurethane, and silicone) were chosen from conventional conformal coating materials for printed circuit boards. Experimental results verified that fabric substrates can be selected to fit specific end-use application since it is shown that antenna performance was not significantly affected. Silicone coating is suggested to support antenna performance since this gave the least impairment in the fabrics as mechanical performance.     

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.     

基于改进AlexNet模型的抓毛织物质量检测方法

针对传统图像识别方法对抓毛织物表面特征难以提取且识别准确率低的问题,提出了一种改进AlexNet模型的抓毛织物质量检测方法,通过数据增强方法对抓毛织物数据进行扩充,构建卷积神经网络对抓毛织物的样本特征进行提取,利用SGDM、RMSProp、Adam优化算法和改变学习率相结合的实验方法,采用全新学习与迁移学习两种算法对抓毛织物图像数据集进行训练,在训练完成后,分别利用卷积神经网络的不同深度池化层提取抓毛织物样本的特征作为输入,将提取到的抓毛织物特征拟合支持向量机(SVM)分类器,最后对输入的抓毛织物图像进行分类。实验结果表明:使用卷积神经网络方法能够增加卷积层对抓毛织物表面特征的提取能力,获得具有较高分辨力的图像特征,通过数据增强和SGDM算法训练的模型,提取网络pool5层特征拟合SVM分类器,识别准确率明显提高。基于改进AlexNet模型的抓毛织物质量检测方法能够提取抓毛织物表面特征且识别率高。     

颜料墨水对织物喷墨印花的适应性能

为了探讨颜料墨水对不同织物喷墨印花的适应性,选用棉、涤纶、蚕丝、天丝、涤/棉、棉/锦、涤/锦/棉等不同纤维种类、不同组织结构的织物,采用自制六色颜料墨水在8 pass,720 dpi打印单色块,分析颜料墨水印花的颜色深度、色牢度、清晰度以及织物风格等性能。实验结果表明:打印织物表面性能是影响喷墨印花性能的主要因素之一;对亲水性纤维,结构紧密的织物可以将墨水贮留在织物表面,打印K/S值大,清晰度高,但牢度略低;对抱水性能较低的稀薄涤纶、蚕丝织物,为了确保喷墨印花的印制精细度,预处理是必要的。