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.     

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...     

基于小波变换的机织物经纬密度自动检测技术

探讨了小波变换在机织物图像处理方面的应用,通过使用多层小波分解与单层细节重构,实现了对机织物经纬密度的自动测量;提出了一种利用最大相关系数算法自动确定小波重构层数的新方法,可使结果更客观、准确。     

机织物图像的高精度纠偏及效果验证

为解决织物图像采集过程中出现的倾斜现象,从织物本身的纹理特征出发,根据织物图像中纱线的间隙方向与纱线一致性的原理,提出一种新的织物图像偏斜纠正方法,对纱线的间隙进行倾斜纠正,实现了整幅织物图像的有效纠偏。并利用织物图像行投影亮度离散度与纠偏角度之间关系及织物纬纱密度测量的结果,对纠偏的效果进行了验证。实验结果表明,0.05°的纠偏精度可以达到理想的效果,可为后续织物密度的自动识别及织物组织的识别奠定基础。     

基于图像处理的网格圈织物孔隙率检测

针对目前网格圈织物的孔隙测试相对困难的问题,本文采用图像处理方法对其孔隙及孔隙率的检测进行研究。首先对扫描所得的网格圈织物图像采用阈值分割方法将其转换成二值图像,对该二值图像可利用投影法判断经纬纱直径,计算得到理论孔隙率;然后对二值图像中纱线主体部分的干扰区域进行剔除,图像取反;最后通过面积滤波后提取孔隙数量、孔隙面积大小、孔隙分布以及计算实际孔隙率等指标,并且对面积过小的孔隙进行位置标定。实验结果表明,用图像处理方法对网格圈织物进行检测,能够客观反映网格圈织物的孔隙率和孔隙分布的均匀性,且实际孔隙率远低于理论孔隙率。     

机织物经纬密度的图像测量－I测量方法

介绍了一个由CCD数码相机、平板透射光源和PC机组成的简易织物图像分析系统,其测试原理是模拟移动式密度镜的测试原理设计图像识别算法,通过识别织物中纱线的间隙进而对经、纬纱线计数并完成测量。试验结果表明,它可以测量素色、印花、色织物等绝大多数常规织物,其测量精度应高于人工测量中的观测精度。     

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。     

机织物结构及其极限密度的研究

在对平纹织物的几何结构进行理论分析的基础上，应用数学方法推导了织物极限密度的数学表达式，归纳了不同原组织的极限经纬纱密度范围，并通过实际试织，在织机上织造了能正常生产的最大密度织物，还对造成实际密度与理论密度差异的原因进行了分析。