语音录入系统在针织成品检验中的应用

介绍纺织面料成品检验语音输入系统的方案设计,通过语音识别与合成技术构建语音录入系统,通过自适应学习提高识别效率。阐述通过成品检验环境噪音测试、验布工人声音采集建立语音系统,以及该系统在语音验布上的应用。经过应用测试显示,使用语音系统代替手写录入可使疵点检验率从57%提升到73%。在针织成品检验中采用语音录入系统能够快速录入疵点信息,提高检验效率,进一步简化验布工操作流程,降低漏验和堵布风险,提高面料整体的质量控制能力。     

基于对称差分和特征匹配的纱线运动疵点实时检测

针对纱线高速运动时无法实时准确检测疵点的问题,提出了一种高速纱线的实时疵点检测算法,该算法适用于实时处理大容量图像和高速移动纱线疵点检测.该算法通过将对称差分算法和连通域特征匹配方法相结合,提高了纱线疵点检测准确性,同时缩短了处理时间.首先对图像进行了预处理,再使用对称差算法分解疵点图像并提取了图像疵点特征,然后使用连通域特征匹配方法识别了疵点.改进了传统差分算法无法抗抖动缺点,比较完整地保留了疵点信息,构造了识别能力特别强的特征匹配方法.最后,将该算法疵点检测的准确性和检测速度与现有检测方法进行了对比分析.研究结果表明,该算法在准确性方面优于人工检测及传统差分算法,检测速度相对神经网络和传统差分算法有所提高,该算法能够在实现实时、快速检测疵点的同时保证检测疵点检测的准确性.     

Matlab与VB混合编程在织物疵点自动检测的应用

利用Visual Basic6.0设计了应用软件的用户界面,用SDK2000视频卡与CCD摄像头连接采集数据,利用Matlab7.0图像处理工具箱,小波分析工具箱,通过各种算法的比较和验证,找到有利于疵点的检测,快速的疵点识别,精确的疵点分割方法,三者相互结合构成织物疵点自动检测系统.在图像采集中,调用视频卡驱动程序,实现图像的储存.图像处理中,应用二维小波分解重构,小波消噪,阈值分割,数学形态学处理等方法,快速准确识别疵点,利用Matlab最新的COM生成器,将Matlab的M文件,生成COM组件在Visual Basic中直接调用,基本实现自动检测.     

基于深度学习的织物疵点检测研究进展

为提高疵点检测的准确性和通用性,实现使用简洁而有效的形式对织物图像的特点和疵点的本质特征进行综合表达,首先,介绍了深度学习技术,对引入了深度学习的疵点检测方法进行综述,同时对深度学习与疵点检测的内在关系进行阐述;然后,分析总结了深度学习的概念及代表性的计算模型,并对引入深度学习的疵点检测方法进行归纳、总结和分类;最后,对典型的方法进行了分析,讨论了各种方法的优缺点,并对未来的研究趋势进行了展望。指出：随着深度学习的发展,探索更加通用的检测方法是推进深度学习在织物疵点检测领域应用的努力方向。     

尼龙织物圆网印花技术

从制版、配浆、印花、汽蒸和水洗固色后处理等方面，详细介绍尼龙织物圆网印花生产的工艺配方和操作技术特点，并对生产中常见的疵点进行分析，提出相应的解决措施。     

基于深度学习的布匹疵点检测方法

为快速、准确检测布匹疵点,提出以深度学习目标检测框架YOLOv4为基础的布匹疵点检测方式,首先将5种常见疵点图像(吊经、百脚、结点、破洞、污渍)进行预处理,然后将图像输入到YOLOv4算法中进行分类。YOLOv4采用CSPDarknet53作为主干网络提取疵点特征,SPP模块、FPN+PAN的方式作为Neck层进行深层疵点特征提取,预测层采用3种尺度预测方式,对不同大小的疵点进行检测。研究结果表明:经600个测试集样本的验证,该方法对疵点图像的检测准确率达95%,检测单张疵点图像的速率为33 ms。与SSD、Faster R-CNN、YOLOv3方法进行比较,采用YOLOv4方法准确率更高,速度更快。     

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。     

表面疵点在线检测技术在非织造领域的应用

先进的表面疵点在线检测技术在生产过程中能及时快速地检测出非织造布的空洞、缺陷、疵点及其表面昆虫,对提高制成率、减少能耗、降低成本以及保证产品性能和质量的稳定起到很大的作用。介绍了表面疵点在线检测技术的检测原理及其在非织造布生产过程中的应用。     

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.