基于改进Itti显著模型的织物疵点实时检测

为克服人工疵点检测存在精度差、效率低、易疲劳等问题,研发了基于改进Itti显著模型的织物疵点实时检测系统。首先设计了专用的织物传动和退绕系统,实现对布卷的精确传递,采用不同光源和多台工业相机拍摄实现织物的实时采集;然后通过基于改进的Itti显著性模型对图像进行快速检测,利用下采样构建图像金字塔,并对金字塔图像进行中央周边差操作,获得织物亮度特征;接着对各尺度金字塔图像进行不同方向Gabor滤波边缘检测获得织物方向特征,归一化亮度与方向特征获得织物疵点显著图;最后通过自定义阈值对显著图进行分割。实验结果表明：本文系统能有效检测出白坯布、牛仔布含有的油污、断经、破洞、纬缩等常见织物疵点,疵点检测正检率为93%,实时检测速度最高达48 m/min,能满足实时检测需求。     

基于图像处理的织物疵点检测系统硬件设计

主要研究图像处理方法以及对织物疵点的自动检测设计。织物疵点检测系统的图像获取由硬件部分实现,硬件部分的组成主要有:照明环节、CCD摄像机、布匹传动机构和疵点检测处理分析系统等几部分。探索由图像采集卡以及工业计算机识别和处理织物疵点图像,把识别的结果存档并生成各种信息统计报表,达到在生产线的实时监控。最终从疵点检测的具体过程分析入手,提出了机器视觉系统来实现织物疵点自动化检测的方案。     

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。     

基于ARM与DSP双核织物疵点的实时检测

为了解决传统人工检测织物疵点存在视觉疲劳、疵点大小受限、检测精度不高等问题,采用TI的STM320DM6446开发织物疵点自动检测系统。实时采集的图像经过加权中值滤波和顶帽、底帽联合变换降噪处理后,滑动分割每一帧图像。疵点检测系统分析图像灰度分布情况,提取图像纹理特征的熵和能量,通过局部熵和局部能量的自适应阈值分割完成织物的疵点检测。系统的软件主要是在TI的CCS中完成,通过串口完成硬件与主机之间通信。通过与大津法(Qstu)比较,实验验证,该检测系统的疵点检测精度高达93%,检测速度快。     

基于ZYNQ-7000的织物疵点识别技术

针对织物疵点分类的高精度和实时性要求,利用解决小样本问题的支持向量机分类器,采用ZYNQ平台实现疵点的识别并显示结果。介绍了ZYNQ硬件平台,对采集到的图像预处理之后应用局部二进制模式和灰度共生矩阵进行特征提取,最后通过支持向量机对提取的特征值进行学习训练,构建分类器,实现了织物生产过程中常见6种疵点的分类。经试验验证:该系统具有精度高,检测速度快等优点。认为:该系统可以满足实时在线应用。     

织物表面疵点检测方法的设计与实现

针对传统织物生产企业中,人工检测织物存在瑕疵检出效率低、误检率高的问题,提出了一种织物表面疵点检测方法。该方法首先采用高斯滤波、线性归一化以及限制对比度自适应直方图均衡化对织物表面图像进行预处理,从而有效增强图像中的疵点表现细节,然后通过改进的Gabor优化选择,再对选择后的图像进行初分解,从中挑选出最优滤波图像进行二值化处理,最后运用统计学方法进行疵点判断并获得最终结果。该方法实现简便、硬件要求低、适应性广,可用于判断织物表面是否含有疵点,并定位疵点。实验证明,织物表面疵点检测准确率高达95.38%。     

机械图像处理技术在织物疵点检测中的应用

提出了一种基于机械图像处理技术的织物疵点检测新方法.首先对采集的织物图像进行小波变换,对增强后的疵点图像采用最佳阈值分割和形态学运算,最后对织物疵点进行边缘检测.比较表明,新方法优于经典的边缘检测方法,对织物疵点边缘检测更为有效.     

基于深度信念网络的织物疵点检测

为提高织物疵点检测精度和效率,提出了一种基于深度信念网络的织物疵点检测方法。用改进的受限玻尔兹曼机模型对深度信念网络进行训练,完成模型识别参数的构建。利用同态滤波方法对图像进行预处理,使疵点图像更加清晰,同时抑制了背景图像。以Python语言,基于TensorFlow框架构建深度信念网络模型,对织物疵点图像进行处理得到学习样本,确定模型激活函数后,分析了各模型参数对织物疵点检测准确率的影响规律,得到激活函数为Relu, Dropout值为0.3,预训练学习率为0.1,微调学习率为0.000 1,批训练个数为64时,模型参数值达到最优。最后,利用在无缝内衣机上采集到的各类疵点图像,对深度信念网络织物疵点检测模型进行验证。结果表明：所提出的织物疵点检测方法能够快速、有效地对织物疵点进行检测和分类识别,准确率达到98%。     

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。     

光电技术在纱线疵点检测中的应用

介绍了纱线疵点的检测方法,讨论了测量系统的构成,给出了该系统硬件原理图,分析了系统工作原理.基于CCD的塑料薄膜缺陷检测系统在平行光的照射下,通过线阵CCD控制电路获得塑料薄膜缺陷信号,使用虚拟示波器DSO-2902对缺陷信号进行采集、传输,借助计算机进行分析处理,从而精准地检测出缺陷.该系统硬件线路简单可靠、性价比高,并配有与上位机通信的USB接口,能高速实时地将纱线疵点图像信息传送至上位PC计算机.     

织物疵点图像边缘检测算法研究

阐述了一阶、二阶微分，Canny和基于小波等多种图像边缘检测方法，并对织物疵点图像进行了边缘检测，分析了各种方法在图像边缘检测应用中的优势和缺陷，结果表明，Canny和小波检测算法对织物疵点图像的边缘检测能够得到满意的效果，提供了较好的织物疵点边缘检测的途径。     

纬编针织智能化技术与系统开发

结合近几年纬编针织智能化技术和应用系统开发方面的研究,阐述国内外相关技术与系统开发情况。详细介绍圆纬机生产过程中采用的实时监控系统和织物疵点检测系统,纬编针织物自动验布系统和织物结构自动识别系统,以及针织CAD与CAM系统,并详细阐述各个系统的工作原理和工作特点。纬编针织智能化技术有助于生产过程的智能化,可以减少用工、提高生产效率,但智能化系统的可靠性与稳定性还有待进一步提高。     

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。     

基于小波分解和奇异值分解的织物疵点检测

探讨基于小波分解和奇异值分解的织物疵点检测效果。运用三种算法进行了织物疵点检测。采用基本奇异值分解法进行机织物疵点检测,检测结果受噪声影响较大;采用Haar小波对待测图像进行除噪,边缘检测性较弱。利用Gabor小波良好的图像边缘敏感度、方向和尺度选择性,进行图像滤波,再进行SVD分解。结果表明:Gabor小波和SVD的融合算法可以对图像多种方向多种尺度进行调节,检测效果较好。认为:Gabor小波和奇异值分解相融合算法可应用于机织物疵点检测。     

国外简讯

用针织圆机生产割绒织物美国《针织时代》1988年第5期上刊登了一项用针织圆机生产割绒织物的专利。这种割绒织物是具有高附加价值的产品。在编织过程中统一割断毛圈有一定的优     

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。     

基于机器视觉的织物疵点检测技术探讨

针对传统人工视觉检测技术的缺陷,建立一种基于机器视觉的织物疵点检测技术方案。在深入讨论检测系统硬件设计的基础上,重点讨论了织物疵点检测流程、获取织物特征的拟合方法、疵点特征提取流程、织物疵点分类与织物等级评定等。同时,讨论了织物疵点自动检测系统实际应用时应注意的几个关键问题。为快速、准确、有效的检测织疵,提升检测技术水平和加强产品质量控制,具有十分重要的现实意义。     

基于DSP的实时织物疵点检测系统

基于DSP技术开发一种实时织物疵点检测系统,用于解决传统人工检测织物疵点存在检测精度差、效率低、成本高等问题。在分析疵点纹理灰度特征的基础上,通过块操作提取织物图像背景,将疵点图像进行预处理、自适应阈值二值化(Ostu法)、形态学开运算处理完成疵点检测;描述了系统软件算法的设计,在TI的DSP TMS320DM6446、Linux和CCS开发环境下编程和调试,在显示器上实时显示检测结果。经实验验证,该系统具有检测精度高、实时性好、效率高等特点。     

基于机器视觉和图像处理的织物疵点检测研究新进展

按照被检测的织物类型并根据当前研究中所使用的方法,简要综述了近年来基于机器视觉和图像处理的织物疵点检测系统新的应用和发展情况。首先分析了织物疵点自动检测研究的理论和现实意义。给出了织物疵点检测系统中视觉图像获取和疵点图像检测两个关键部分的架构。说明了迫切需要进行检测的两类织物白坯布和色织布,着重讨论了对这两类织物进行疵点检测的各种新方法,并详细说明了其检测效果和存在的不足。最后给出了疵点检测研究的几点建议。     

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。