基于不变矩与神经网络的织物缺陷检测研究

针对织物表面的非结构化畸变缺陷,提出一种基于不变矩与神经网络相结合的织物缺陷检测方法。首先,利用图像处理的方法对织物图像进行预处理分块;其次,提取待检测织物分块图像的7个不变矩值,通过比较分块变换后的统计特征量,发现缺陷织物与非缺陷织物的统计特征量存在差异;基于该特点,建立BP神经网络,应用织物图像的7个不变矩特征值作为神经网络的输入,通过学习大量样本,获取最佳权值参数,实现对非结构化畸变缺陷的识别分类。试验结果表明,该算法检测的准确率达到80%以上,对破洞的检出率接近100%,能够很好检测织物的非结构化缺陷,有效地满足织物的生产工艺要求。