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。     

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。     

基于卷积神经网络的机织物密度均匀性检测

针对目前基于机器视觉的机织物密度自动检测时织物检测视野小、精度低、品种适应性差的问题,提出一种基于多尺度卷积神经网络的检测方法.首先设计了一套离线图像采集系统连续采集织物图像,并建立一个包含详细织物参数的织物图像数据集;然后采用一种具有不同大小局部感受野的多尺度卷积神经网络适应不同大小的织物结构特征,定位纱线位置;最后...     

机织物局部组织复原与密度自动测定

为提升印花机织物经纬密度自动测量的准确性,利用图像修复技术滤除织物表面印花图案,复原局部组织纹理。为验证不同组织结构下图案种类、大小对复原效果的影响,采用图像融合方式,按照组织结构、图案种类、图案大小设计了27种测试样本。对Criminisi算法优先权项进行设计,并对修复模块尺寸依据图案尺寸作自适应调节。对比分析了Criminisi算法、仅优化优先权项,以及优先权与修复模块联合优化3种修复效果;同时对比分析了人工检测和本文算法检测的样本密度。结果表明：优化算法能够较好地复原图案所在区域内织物组织纹理,样本测试主客观一致率均值为99.89%。该方法的提出,能够解决部分中小尺度印花图案的干扰,进一步扩大了织物密度图像法检测的适用面。     

基于贝叶斯方法的织物分类研究

提出基于贝叶斯决策理论的织物图像自动分类的新方法。先对织物图像的分类问题建立贝叶斯模型 ,再提取织物图像的形态结构参数作为特征向量 ,并计算出分类结果。该法能准确、快速、有效地对各类织物实现自动分类识别。     

织物经纬密度自动测量实用技术:2.测量精度及标准化

为获得更为理想和客观的机织物经纬密度测量和评价方法,用数据检验所设计的织物构成要素综合分析系统(FaCFAS)可能达到的测量精度,通过与人工测量作对比实验,确定达到基本测量精度的标准化测试方案,即每个试样在不同位置测量14幅图像,以平均值作为结果能够达到的精度要求。最后,用大样本对2种测试方法的测量数据进行稳定性和差异性分析,结果表明该系统自动测量机织物经纬密度具有可靠性和优越性,可以成为新的实用测量工具。     

机织物密度对字典学习纹理表征的影响

为探讨纺织品表观质量的客观、智能评定方法,使用不同密度的机织物图像,采用子窗口样本获取方式作为学习样本,以离散余弦字典作为初始学习字典,选择基于最小二乘的字典学习算法求解用于表征织物纹理图像的字典,再通过字典元素的线性组合对织物图像进行重构。以均方误差为指标,首先讨论织物图像灰度值分布对字典学习算法重构误差的影响,然后对图像灰度值进行标准化处理,在此基础上探讨织物经纬密度对重构图像误差的影响。实验结果发现,当字典个数等于9时,织物密度在150 ~ 360根/10 cm之间,随着织物密度的增加,平纹重构图像的均方误差先变大,以后不再增加,而斜纹重构图像的均方误差增大。     

基于小波滤波的机织物纱线排列与密度检测研究

为了改善传统人工检测纱线排列及其密度的效率,提出一种机器视觉的检测方法。首先对织物图像进行小波分解,求得垂直图像分量并对其进行Radon变换以求取织物图像校正角度。重点研究经纬纱线投影曲线的小波分解和长度对数阈值的规则滤波,以此来获取经纬纱线的位置定位。最后,对识别结果进行直观比较与统计学上的配对样本t检验,并进一步提出了纱线间距异常值判别法则。结果表明:该方法能较好地适用于机织物纱线排列关系及其密度的机器视觉判别。     

图像智能处理技术在纺织品检测中的应用综述

纺织品检测正朝着智能化、数字化和标准化方向发展。图像智能处理技术在纺织品检测中的应用主要有纤维种类鉴别与含量检测、色牢度评级、织物密度测量和织物外观平整度评价。整理综述了相关研究及进展,可为纺织品检测智能化的进一步研究提供参考。     

基于MATLAB的机织物密度自动检测

对机织物用MATLAB语言进行图像处理，实现机织物经纬密度自动检测进行了研究。提出用小波变换对机织物图像进行分解和重构，将机织物经向和纬向信息分离出来，再对变换后的图像进行二值化和平滑处理。得到与背景完全分离的纱线分布信息，自动计算出机织物的经纬密度。经实验验证，所得结果相对误差为3‰，准确度较高。     

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。     

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。     

基于图像处理的针织物密度测量仪的研制

针织物的密度测量对于产品质量和重量控制至关重要，文中详细介绍了一种基于图像处理技术，并使织物处在一定张力下的针织物密度自动测量仪的研制，仪器采用上下位机结构，通过摄像机采集织物的图像，在对图像进行分析处理后得出织物的密度，该仪器的开发为针织物密度的自动测量提供了测试工具。     

涂层织物简介

目前广泛用于建筑的涂层织物主要有二种：PTFE涂层玻纤梭织物和PVC涂层涤纶梭织物。PTFE涂层玻纤寿命长、抗拉强度高、不可燃、能自净洁，可见光透射率较轻型织物为20％，而较重型织物为10％。接头采用热棒焊接。该织物最适用于永久性设施。     

基于图像线灰度和BP神经网络的织物疵点检测

探讨织物疵点自动检测的方法。通过对4种常见织物疵点的图像进行线灰度曲线分析和处理,提取疵点图像的特征值,送入BP神经网络进行识别,从而实现织物疵点的检测。试验结果表明,该方法取得了较好的检测效果,织物疵点识别率达到93%以上。认为,此法能够有效识别出织物中的几类常见疵点,应进一步研究,以提高其识别准确率。     

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。     

基于图像灰度曲线特征值的机织物密度测量

针对目前市场上机织物密度主要依靠人工检测以及利用图像测量结果准确率不高的现状,提出了一种基于图像灰度曲线特征值的机织物密度测量方法.获取织物图像后,利用Radon变换对其倾斜矫正,作出织物图像灰度曲线,曲线波峰数目对应纱线根数.为了在波峰数统计时过滤掉杂质小波峰,分别以曲峰峰值和位置的分布特点为依据,设定统计限制参数,找出更优的统计方法,实现机织物的密度测量.结果表明:以波峰位置为依据设置限制参数时,测得密度的稳定性与准确性最高,误差均能保持在2％以内,可以满足实际生产需要.     

图像法评价织物变色牢度等级探讨

采用计算机图像处理技术研究染色织物的变色牢度等级,获取了标准灰色样卡和各组染色织物样品的数字图像并分块变换成灰度图像。分析了标准灰色样卡等级与平均灰度差的关系,通过织物样品变色前后图像平均灰度差判断变色牢度等级。与高精度、成本高昂的计算机测色配色系统相比,采用图像法评价得出的织物变色等级准确率达到83.6%,应用简便快速,具有一定的实用价值和现实意义。     

织物几何结构特征与密度设计的研究

传统梭织物已形成了固有的外观风格特征 ,要保持这种外观及风格特征 ,必须有经纬纱密度的配合 ,结合织物几何结构特征 ,研究了以较小的密度设计来保证织物固有的外观风格特征的密度设计方法     

基于机器视觉的织物瑕疵自动检测硬件系统设计

为实现织物瑕疵的自动检测功能,设计基于机器视觉的织物瑕疵在线检测硬件系统。该系统是在传统验布机的基础上,改进机械结构,设计机械传动装置,选择并配置采集图像的硬件设备以及图像处理硬件设备,保证系统能够获取清晰、稳定的图像信息,满足织物疵点检测各项性能要求。