基于图像处理的纱线质量检测

论述了基于图像处理的纱线质量检测原理、方法，分析了应用效果和应用中所遇到的问题。     

基于图像处理的纱线条干检测

基于图像处理的纱线条干检测是一种新的纱线质量检测方法。文中详尽论述了基于图像处理的纱线条干检测的原理、方法、应用效果和应用中遇到的问题,这种测试方法方便、快捷、准确。     

基于图像处理的白酒酒花轮廓检测

依据看花摘酒的传统经验,采用机器视觉代替人眼,通过CCD获取摘酒酒花的视频图像,并截取不同酒度酒花图像进行直方图均衡化、图像腐蚀等图像预处理,消除了高光噪声的影响,然后采用不同边缘检测算法对酒花轮廓进行了对比研究,采用OTSU算法与Canny边缘检测算法相结合的方法,较好地实现酒花与背景的分割,提取清晰的酒花边缘轮廓,通过对大清花与小清花图像的模式识别,为摘酒自动化提供了有效分级依据。该智能化的分级摘酒方法,能够提高分级摘酒工艺的稳定性和准确性,易于实现分级摘酒工序的智能自动化。     

基于图像处理的选针器检测系统

为提高选针器的检验效率,设计了一套基于图像处理的全自动选针器检验系统。该系统由普通工业相机、选针器控制器、选针器放置平台及计算机组成,采用刀头在两极限位置的灰度值来实现选针器的检验。通过分析选针器刀头的摆动规律,验证利用选针器刀头的灰度值判断刀头摆动运行的可行性;借助Python软件实现图像获取与裁剪,结合Otsu、轮廓检测、图像腐蚀等算法提取每个刀头的灰度值,并通过与预先求解的阈值相比较,实现刀头正常工作的测量与判断。结果表明:设计的人机交互界面可实时显示检验情况,同时可实时保存选针器工作失误帧的图片于指定目录、错误日志于指定文件内,可供查阅和分析;此外,该系统对工作环境要求低,系统成本低廉,通过对模拟出错的选针器进行实际测试,证明该检验系统可有效实现选针器刀头的检测。     

基于图像处理的纱线检测识别系统

为实现圆纬机自动上下料系统中纱线吸取状态的判别,提出一种基于图像处理的纱线检测识别系统。该系统通过设计小尺寸盒子,与低成本相机模组、补光灯一起组成专用拍照盒。利用拍照盒内部稳定的光照环境,保证纱线图像高质量获取以及防止外部环境干扰影响识别效果。工控机对纱线吸取前后的图像进行处理,得到其像素值,最后根据两幅图像像素变化值大小,判断纱线是否成功吸取。系统搭建后,分别对8种不同颜色常用纱线进行测试,模拟头线识别情况,以及对黑色和白色纱线进行测试,模拟头线、尾线识别情况。结果表明:该方法能检测识别各类纱线吸取状态,可应用于圆纬机自动上下料系统。     

基于图像处理的分梳山羊绒长度检测方法

为了提高分梳山羊绒长度检测的效率、降低测量过程中人为因素的影响,提出一种基于数字图像处理技术的分梳山羊绒长度检测流程和方法。对分梳山羊绒进行数字图像采集,将采集到的图像转换成灰度图像,对灰度图像进行滤波、二值化处理、边缘提取、拟合曲线,最后根据GB 18267-2013《山羊绒》计算分梳山羊绒的平均长度。结果表明:该方法可以获得分梳山羊绒的边缘曲线,根据曲线测得的分梳山羊绒平均长度与人工测量长度非常接近,为分梳山羊绒长度检测提供了有效的方法。     

基于图像处理的无图案纺织品瑕疵检测方法

瑕疵检测是纺织品生产过程中的重要一环,直接影响产品销量。文章提出了一种基于图像处理的无图案纺织品瑕疵检测方法,主要由预处理、阈值检测和瑕疵定位3个部分组成,首先,对无图案纺织品图像进行预处理操作,通过灰度直方图均衡化和中值滤波对无图案纺织品图像进行平滑去噪;其次,通过阈值处理,对无图案纺织品图像进行二值化处理,将无瑕疵区域看作背景、瑕疵区域看作前景;最后,对瑕疵区域进行特征提取,定位瑕疵并输出。实验表明,基于图像处理的无图案纺织品瑕疵检测方法能有效检测无图案纺织品中的瑕疵位置。     

基于改进faster R-CNN算法的小目标车辆检测

针对faster R-CNN对远距离小目标车辆的检测效果较差的问题,文章融合特征金子塔网络(FPN)和faster RCNN,提出了反卷积反向特征融合faster R-CNN算法。首先,对faster R-CNN算法的特征提取网络进行改进,选用ResNet-101网络替换VGG网络,不仅降低了训练难度,而且有效改善梯度消失问题,将其与提出的反卷积反向特征融合结构相结合,提高对远距离小目标车辆信息的多尺度特征的提取和表达能力;然后,将网络中的ReLU激活函数改进为Mish激活函数,用整个区域的光滑曲线解决ReLU函数会丢失一部分信息的问题,以整体提高网络对车辆目标的精确度、稳定性和鲁棒性;最后,在自建的小目标车辆图像库中与faster R-CNN、YOLOv3等算法进行对比实验,综合场景下平均精度分别提高2.18%、2.98%,对于小目标车辆,平均精度分别提高5.72%、2.10%。     

基于图像处理的梭织物密度分析检测

针对梭织物密度检测中存在的问题,提出一种基于图像处理的梭织物密度智能分析系统。该系统通过取像装置采集样品高清实时图像,对图像进行自动标定、分割及矫正,计算并输出织物样品的经纬向根数测定结果。与人工测量相比,智能分析系统的检测结果相对偏差小于5%,表明该方法适用于梭织物密度的自动分析检测。     

基于图像处理的农药残留速测卡快速检测

目的通过图像处理的方法来快速检测农药残留。方法利用图像提取、中值滤波和分量定值等图像处理技术,建立了基于速测卡检测结果图像处理的半定量检测。结果农残样品与胆碱酯酶在37℃下经过4min预反应,与检测结果的红色分量均值与农药浓度呈显著的正相关关系,对西维因和乐果的检出限为0.1mg/kg。结论与目测法相比,图像处理的检出限更低,也更为客观准确,为农药残留的快速检测提供了一种新的技术手段。     

基于图像处理的印版网点面积率检测

检测与控制印版网点面积率是印刷质量控制的重要环节,本研究提出了一种检测印版网点面积率的新方法,利用常规的显微摄影仪器拍摄印版上的网点区域获得数字图像,采用阀值分割的方法对数字图像进行二值化处理,利用膨胀和腐蚀的方法消除图像中的噪点,再去除图像边缘不完整的网点,然后计算印版的网点面积率。经过实验验证,该方法可以获得比较精确的网点面积率检测结果,能够满足印刷生产中的印版网点面积率检测的需要。     

基于图像处理的玉米颗粒霉变程度检测方法研究

提出利用HSV模型快速识别霉变玉米颗粒与霉变等级的方法。基于感染霉菌的玉米颗粒表层会发生颜色褐变、发黑等特点,首先对彩色玉米图像进行图像增强,然后采用V分量的阈值区分正常玉米颗粒与霉变玉米颗粒,再通过H与V分量的阈值区分轻度霉变与严重霉变玉米颗粒。试验表明,该方法对正常玉米颗粒、轻度霉变玉米颗粒、严重霉变玉米颗粒的检测准确率可达93.7%、80%、92.9%以上,能够达到区分检测的目的。     

鸡蛋品质检测系统的图像处理技术研究

鸡蛋品质检测系统中的图像处理主要涉及图像平滑、边缘检测和图像分割三个方面。本研究采用矢量中值滤波的方法对鸡蛋的彩色图像进行平滑去噪,很好的保护了彩色图像色度信息。选用Prewitt算子检测图像边缘。经过反复试验,选取全局阈值进行图像分割,将目标鸡蛋图像从背景中分离出来。研究和实验结果表明,使用本实验的图像处理技术可以精确地提取鸡蛋品质检测的图像信息,为开发鸡蛋在线检测系统提供了技术基础。     

浅谈基于图像处理技术的印刷直接检测系统

高质量的印刷品是印刷工作者追求的目标。近年来，印刷业向小批量、多品种、高质量的需求发展，用户对产品质量要求越来越严格，印刷生产难度不断增加。当前印刷行业的生产已经相当自动化，印刷速度也越来越高，而图案复杂且细节丰富繁多的印刷品往往会由于在印刷过程中，印刷机械和印刷材料的不完善以及。’些不易避免的随机因素而出现各种弊病。     

计算机图像处理技术应用于纺织检测

介绍了目前国内外计算机图像识别技术在纺织行业中的应用,对比了与传统检测方法的不同之处,简要总结了计算机图像检测纺织品的常用方法。     

基于图像处理的谷物检测与识别方法研究进展

基于图像处理的谷物检测与识别方法不仅效率和准确率高而且劳动强度小,具有广阔的应用前景。从谷物虫害检测与识别、谷物成分检测、谷物品种识别与分类以及谷物品质检测与分级等方面综述了基于近红外图像、软X射线图像、可见光图像的谷物检测与识别方法的研究进展,分析了各种方法的优缺点,提出了未来基于图像处理的谷物检测与识别方法的研究方向以及发展趋势,以期能充分利用国内外的最新研究成果,推进国内在该领域的研究步伐。     

基于序列图像的运动目标快速检测技术的研究

针对固定场景单目视觉图像序列的运动目标快速检测与定位,本文采用相邻帧间差分法从图像序列中提取出运动目标区域,并对运动目标区域提出一种八向差分快速边缘检测算子。实验结果表明,差分法提取运动区域,简单快速,八向差分算子与传统的Sobel算子相比,能够更快速、准确的提取出目标边缘,并且在二值化过程中,直接选定阈值,不需迭代求取。最后利用相邻两帧目标边缘二值图像在水平和垂直方向的投影计算目标位置,运动速度大小与方向。     

一种基于图像处理技术的坯布疵点检测及评估方法

本文提出了一种利用图像处理技术进行坯布疵点自动检测及评估的方法。该方法通过直方图分析,学习无疵点布的统计特征。设计合适的阈值,分割出深色和浅色疵点,并利用中值滤波去除杂点。应用连通区域标记算法标记疵点,提取疵点的中心坐标、均值、面积、长、宽等特征,并按照严重程度进行疵点评分。检测结果表明此疵点检测算法及评分方法的有效性。     

基于Faster R-CNN的织物表面打印导电线路中微滴目标检测

针对织物表面打印导电线路中传统的微滴目标检测通用性及智能化程度低的问题,使用深度学习模型实现了微滴形态的实时检测。通过对训练图片进行预处理,使用Labelimg工具标记不同形态的微滴灰度图像目标区域,生成相应的数据信息库,为后续的训练和测试提供数据集。利用深度学习目标检测模型训练标记好的数据集,得到最优检测模型。实验结果表明：相比于传统目标检测方法,深度学习检测模型对不同形态的微滴具有很好的适用性;相比于其他深度学习模型,Faster R-CNN模型的精度更高,对正常微滴和不良液滴检测的平均精度均值为84.89%。该研究为后续织物表面导电线路的精确成形提供了参考。     

基于图像处理的蚕茧表面积计算方法

介绍了一种基于图像处理计算蚕茧表面积的方式，通过对快速摄像提取蚕茧图像位图文件，将其转换为黑白二值图像，计算图像中的像素以正确反映蚕茧表面积的大小。此方法计算的蚕茧表面积精度高，切实可行，为快速无损检测蚕茧质量奠定了理论基础。