基于机器视觉的低对比度纸病识别算法研究

利用机器视觉识别纸病时,若背景与目标纸病的对比度低,且采用单一的边缘检测算法,将会出现对目标纸病边缘定位不准确、抗噪性能不好等问题。对此,提出了一种解决方法,即首先分别用LOG算子和基于数学形态学的边缘检测方法对低对比度纸病图像进行边缘检测,然后对这两种边缘检测算法得到的图像进行小波融合,融合得到的图像中纸病边缘定位准确且具有一定的抗噪性,最后,对此进行了实验验证。研究结果表明,文中提出的解决方法可行,即可将该方法用于基于机器视觉的低对比度纸病识别。     

基于阈值分割及分形特征的纸病图像识别算法研究

针对脏点、孔洞、褶子和裂口等常见的典型纸病识别问题,在分析纸病图像灰度特征及分形特征基础上,提出了一种基于图像双阈值分割盒维数特征的纸病识别算法,该算法采用灰度阈值分割提取纸病区域及二值数字图像分形盒维数计算结果,确定纸病类型.实验结果表明,该算法识别率较高,且简单迅速.     

基于RPCA的纸病图像分割算法

针对实际纸病检测应用中采集到的图像分辨率越来越高,在图像处理过程中出现数据维数过大的问题,提出一种基于鲁棒主成分分析法(Robust Principal Component Analysis,RPCA)的纸病图像分割算法,该算法将纸病图像对应的矩阵分解成稀疏矩阵和低秩矩阵。在后续检测中只需选取稀疏矩阵对应的图像进行检测就可以满足纸病检测的要求,有效减少了计算量,最终节省了整个纸病检测环节的检测时间。仿真结果表明,该方法可用于纸病图像的分割,并且具有良好的分割效果。     

基于Gabor滤波器的低对比度纸病检测算法

针对现有的纸病检测算法对裂痕、褶皱等低对比度纸病检出率低、抗干扰能力差的问题,提出一种基于Gabor滤波器的纸病检测算法。首先使用Gabor滤波器以及Gaussian滤波器去除纸张纹理干扰,增强纸病区域对比度;然后使用Laplasian算法进行边缘检测,最后使用形态学闭运算得到完整的纸病边缘图像。实验结果表明,该算法对低对比度纸病检测正确率高,并具有良好的抗干扰性能。     

纸病检测方法的研究进展

目前,纸病的检测技术研究主要集中于纸病的智能化在线检测,目的在于开发一套机器视觉系统,应用快速有效的算法,实现纸病的精确检测和定位.目前纸病检测方法分为阈值法、形态学方法、灰度级统计法三类.其中阈值法根据不同的纸病设置不同的阈值,形态学方法采用腐蚀和膨胀的边缘检测算子检测纸病边缘,灰度级统计法利用纸病图像的统计特征检测纸病.文章最后指出随着各种快速算法和高性能信号处理器件的出现,利用频域分析或是频域分析、统计方法和建模法的结合是纸病检测研究的一种趋势.     

基于改进YOLOv7的小目标和低对比度纸病分类算法研究

随着纸机车速提升和幅宽加大,纸病出现频率随之上升。为根治纸病,需对其有效分类以溯源。但因部分纸病目标小、对比度低,分类效果欠佳。本课题提出了一种基于改进YOLOv7的分类方法,核心思想是在颈部网络改良快速跨阶段特征金字塔池化（SPPFCSPC）模块,在感受野不变前提下提升分类速度;使用空间深度卷积替换原有的“卷积+池化层”,增强对纸病的特征提取能力;通过注意力模块（SimAM）,使更多的资源集中于纸病细节,进一步提高低对比度和小目标纸病的识别效率。结果表明,本课题算法的平均精度达0.97,实时检测速度26.5帧/s。相比于原YOLOv7网络,本算法在小目标和低对比度纸病的平均精度和检测速度方面均有明显提升。     

纸病图像检测与分割的二阶段方法

提出了纸张表面纸病检测与分割的二阶段新方法.通过对纸张微观结构中纤维分布的分析,由统计学分析原理建立了纸病图像的二阈值分割法,利用质量控制图结合具体纸样进行了纸病特征的提取,利用数学形态学操作对二值图像进行了滤波和分割检测.结果表明:二阶段分割阈值检测方法对纸病图像的分析十分简单、有效.     

针对纸病检测的实时污点提取算法

提出一种高效、实时的专门针对纸病检测的污点提取算法。该算法对CCD相机采集的每一行图像数据进行即时处理,并立即判断该行数据上有几段污点线段,该污点线段是否与上行数据的污块相连通。算法通过逐行扫描的方式,将被检测污块逐段向下推进,直到认为到达污点的最下方边沿。实际应用结果表明,该算法适用于检测任意形状的污块。     

基于位平面的纸病检测算法研究

针对当前纸病检测算法存在抗干扰能力差、定位不准确和运算复杂等问题,提出一种基于位平面的纸病检测算法。首先,采用自适应中值滤波算法对纸病图像进行滤波,然后,对滤波后的图像进行位平面分解,并运用格雷码对位平面加以增强,最后,使用数学形态学对其进行边缘检测,得到最终的纸病检测结果。仿真结果表明：该方法运算简单,能够较好地检测出纸病缺陷,并具有较好的抗干扰性和定位准确性。     

边缘跟踪算法在多纸病图像分割中的应用

为了解决纸病检测中多纸病图像分割问题,提出了一种改进的边缘跟踪算法。该算法首先搜索得出纸病边缘的链码,并通过记录坐标取得图像的外接矩形,然后提取每个矩形中的纸病图像。结果表明,该算法能够有效提取纸病图像的边缘,并对多纸病图像能够完成精确的分割。     

基于机器视觉的LED印刷电路质量检测技术

针对在玻璃基片上印刷LED电路过程中容易产生短路、毛刺等缺陷问题,提出一种基于机器视觉的玻璃基片LED的印刷电路质量检测方法。对数字图像二值化预处理自适应阈值的方法进行了比较分析;对二值化图像出现的噪声干扰点,提出了分割连通域的图像滤波方法,将获取的二值化图像进行连通域提取并根据连通域的面积分割出噪声干扰点;利用图像检测方法对玻璃基片LED电路进行缺陷检测。结果表明:该方法在效率和精度方面都有提高。     

基于改进图像阈值分割算法的纱线疵点检测

针对纺织行业纱线疵点检测方法可靠性差、灵敏度低、检测速度低的问题,提出一种基于数字图像处理的纱线疵点判定方法.首先,搭建纱线图像采集系统,完成纱线图像采集;其次,针对纱线边缘信息难处理以及传统双边滤波对椒盐噪声处理效果差的问题,对双边滤波进行改进,改进后的双边滤波可有效保存纱线边缘信息;再者,针对传统阈值分割计算量大、...     

基于改进局部自适应对比法的织物疵点检测

为提高织物疵点检测的准确率和检测效果,采用了一种基于最相似邻域的背景估计法来进行检测。首先,利用同态滤波对图像进行预处理;然后,以滤波后图像每个像素点为中心点,以11像素×39像素的窗口大小为中心区域,通过计算中心区域与周围邻域的相似度,利用最相似的邻域进行背景估计;最后,利用背景差分原理获得目标图像,并采用阈值分割和形态学方法对图像进行处理,最终获得检测结果。实验结果表明:此方法优于传统的检测方法,不仅能够检测到复杂背景下的疵点图像,而且对不同组织及光照因素影响下的织物疵点图像同样具有很好的检测结果,检测准确率可达98%,具有较高的适用性与检出率,也具有一定的抗干扰性。     

单一视角下自适应阈值法的纱线毛羽识别及其应用

为更准确测量纱线参数信息,针对图像背景处理和阈值分割算法对纱线图像处理后毛羽信息损失严重的问题,提出自适应灰度增强及线形区域阈值分割算法。并用自制图像采集系统获取6种不同类型的纱线样本,进行图像识别算法的准确性和有效性验证。结果表明:提出的2种算法可明显减少纱线图像信息损失,并且具有良好的鲁棒性,图像法检测的纱线毛羽长度和数量与目测法相近;实现了纱线主体与背景的灰度对比度增强,避免单一阈值导致的图像分割效果差的影响,提高纱线毛羽的识别精度和测量准确性,为后续研究纱线毛羽检测系统提供有效纱线图像分析算法。     

应用小波域高斯差分滤波的起球疵点客观评价

受织物背景纹理多样性以及起球疵点特点的影响,传统的图像处理算法难以满足起球疵点自动检测和客观评价需要,为此,提出一种基于小波域的高斯差分滤波起球客观等级新方法。首先,对起球疵点图像进行小波多层分解,实现周期性背景纹理信息与起球信息的分离;然后,选择合适的小波分解子图进行高斯差分滤波,消除噪声以及光照不均等缓变的背景信息,提高起球信息的显著度;在此基础上,根据起球特征设定阈值对起球疵点图像进行分割,并提取起球特征;最后,通过人工神经网络进行起球疵点客观等级评价。试验结果表明,本文方法用于起球疵点客观等级评价是可行且有效的,且具有较强的抗干扰能力。     

基于多阈值算法融合的图像分割

针对一种阈值分割算法很难对不同类型的图像进行有效地分割的问题,提出一种多阀值算法融合的方法.该方法通过不同的算法得到一组阈值,由迭代的方式将它们有机地组合,并定义一个回报函数,来选取最优阈值.实验结果表明,该方法针对不同类型的图像能够选择最优的阈值进行有效的分割,消除了使用者必须具有先验知识的障碍,省去了人工选择分割方法的麻烦.