基于互相关的印花织物疵点检测

为实现印花织物中疵点的自动检测,以互相关理论为基础,结合图像处理技术,以Matlab7.0构建了一套印花织物疵点自动检测系统。在疵点检测过程中,提出以加和表理论为基础实现互相关系数的快速计算。通过对软件模拟的印花花纹疵点的识别,说明这个系统能够实现印花过程中常见的花纹偏移、颜色色差等疵点的自动检测。实际印花织物疵点的检测实验表明,所提出的算法具有有效性、鲁棒性等优点。通过比较不同子窗口大小的检测结果,选定25像素×25像素作为最终检测系统中子窗口的大小。     

织物自动检测系统设计与实现

应用4片DSP+FPGA流水阵列结构,用现场可编程门阵列FPGA对采集的视频数字图像信息进行处理,实现了织物疵点自动检测。设计了以4片TMS320C62x为数字图像信息处理核心,由FPGA实现系统控制互连的织物疵点自动检测系统,设计了基于直方图统计和基于支撑矢量机的织物疵点分类识别算法。实验结果表明,当样布传送速度达到100、120 m/min时,该织物疵点自动检测系统对样布的疵点识别准确率分别达到80%和60%。     

基于PCNN的织物疵点识别研究

根据织物表面图像的灰度强度和织物疵点图像的灰度强度的不同 ,运用PCNN对织物疵点进行自动检测。从理论上分析PCNN模型 ,并用其对织物疵点进行特征的提取 ,证明PCNN在自动检测过程中的适用性 ,以及PCNN模型中迭代次数对实验结果的影响。     

织物疵点自动检测方法及应用进展

织物疵点是影响织物价格的重要因素,一直以来都备受关注.随着科学技术的发展,对智能化需求的提高,织物疵点的自动检测成为纺织行业的热门话题.织物疵点自动检测系统在市场上已经有了较为成熟的产品,国内的主流方式仍为机下检测,对平整布面检测效果较好.根据图像处理的方法可将检测算法分为结构法、统计法、频谱分析法、基于模型的方法、基...     

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。     

基于计算机视觉的织物疵点检测

织物疵点种类繁多,建立织物疵点自动检测系统需要强力高效的检测算法。基于织物表面特征的疵点检测方法可分为三类：统计方法,频谱方法和基于模型的方法,本文通过对现有的疵点检测方法实用性的分析综述表明,三种方法相结合比单一算法更有效。     

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。     

基于纹理滤波与局部熵的织物疵点检测

针对织物疵点检测中织物纹理常被误认为噪声而给疵点自动检测造成很大干扰的问题,以织物纹理和疵点频谱的不同分布为依据,提出了一种结合纹理滤波和局部熵的织物疵点检测方法。通过频域滤波降低织物纹理的干扰,然后再结合局部熵与领域操作实现疵点的自动检测,并提取相关特征参数。     

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。     

织物疵点自动识别方法的研究及应用现状

介绍了近20年国内外织物疵点识别方法与自动检测系统的研究发展历程及已成功推向市场的研究成果，分析了我国织物自动检测系统的研究现状，指出了适合我国的研究发展方向。     

基于遗传规划的织物自适应正交小波基的构造和优化

 为了实现机织物疵点的自动检测,文章在构造织物自适应正交小波库的基础上,运用遗传规划算法,将构造的小波库作为群体规模,对遗传规划算法四种不同的适应度函数进行优选后,从群体规模中优化出与织物纹理相匹配的小波基。研究结果表明,以织物纹理波动为适应度函数得到的小波基与织物的匹配性较好。试验验证了该方法对相关疵点检测的有效性,并采用窗口分割法对织物疵点进行定位,表明采用遗传规划算法结合适应度函数优选的方法,能够找到与织物纹理相适应的最优小波基,实现织物疵点的自动检测。     

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。     

织物疵点图像预处理方法的研究

织物疵点图像的预处理是疵点自动检测系统的一个重要步骤,对各种疵点检测方法的检测效果具有重要的影响。通过对预处理实验进行分析,找出了对疵点图像进行预处理的较好方法,即采用零均值图像进行图像增强,采用均值滤波进行图像消噪。     

基于GMRF模型的统计特征畸变织物疵点识别

为了提高纹理模型对统计特征畸变织物疵点的识别率,本文提出了一种GMRF纹理模型自动识别不同种类的统计特征畸变织物疵点。首先,介绍了GMRF纹理模型并对GMRF模型参数进行估计;然后,利用生成的GMRF纹理模型进行仿真实验,以验证参数估计算法和纹理合成算法的正确性;最后,设计织物疵点的检测流程,并对实际疵布进行自动检测,实验证明：通过GMRF模型参数构造的距离统计量能够敏感地区分正常织物纹理和统计特征畸变疵点纹理,比较适用于统计特征畸变疵点的自动检测。     

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。     

基于改进型PCNN的织物疵点检测的研究

针对织物表面疵点区域的纹理与正常织物表面纹理在图像空间域中灰度分布的不同，提出了基于PCNN的织物疵点自动检测方法，并根据织物表面疵点检测的要求，从理论上分析和讨论了PCNN模型的改进，同时给出了仿真实验结果，验证了该方法的有效性，与已有的织物疵点检测方法相比，它具有定位准确、适应性强等特点。     

织疵自动检验系统

国外已研制成功能自动检验织物疵点的“激光检验系统”,它利用激光束对织物表面进行扫描,然后将其反射光及透过光的信号,送入电子计算机中解析,将织糙、缩纬、头路等病疵连续验出。上述原理,已用于钢铁工业和造纸工业的自动检验中,然而用于织物验疵,尚属初     

高斯混合模型在印花织物疵点检测中的应用

为了实现印花织物疵点的自动检测,提出了一种基于改进的高斯混合模型的疵点检测方法。该方法针对传统高斯混合背景模型应用于疵点检测中所出现的精度不高的问题,充分利用印花织物图像像素间具有很强相关性的特点,引入自适应分块建模的思想来实现印花织物疵点的检测。实验结果表明,使用该方法进行疵点检测,正确率可以达到94%。不仅如此,该方法还能有效处理检测过程中所出现的光照不均和噪声等问题,是一种非常适合于对印花织物进行疵点检测的方法。     

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。     

基于机器视觉的坯布自动检测技术

针对我国纺织品检测大多采用人工检测,检测速度低,误检率、漏检率高等问题,提出了实现织物疵点检测自动化、鲁棒性的设计理念。介绍了目前国内外在织物检测方面的主要识别方法以及织物自动检测系统的研究成果,阐述了机器视觉软、硬件技术的发展现状及目前机器视觉技术在纺织检测应用中存在的问题;分析并提出研制分布式的、面向高速生产线的鲁棒机器视觉检测技术是适合我国坯布自动检测系统的研究方向。