[发明专利]基于计算机视觉技术的原坯布快速检测方法

说明书

本发明公开了一种基于计算机视觉技术的原坯布快速检测方法，依次对采集到的待检测图像进行Blob特征点检测，判断是否存在斑点；进行轮廓检测和提取，判断是否存在连通区域；最后旋转截图灰度积分投影，判断图像是否存在直线。本发明能够检测出勾丝、破洞、污迹、起球、折痕、跳纱、缺经、断纬等多种类型的瑕疵，克服了现有技术中大多采用针对具体某一特性进行特定的算法检测方法，造成程序运行缓慢、实时性不够等不足，极大地提高了织物瑕疵检测的效率和精度，提高了单位时间的工作效率，降低了生产成本。

技术领域

本发明涉及计算机视觉技术在织布制造领域中的应用，特别是涉及一种能够高效、全面检测出原坯布瑕疵的基于计算机视觉技术的原坯布快速检测方法。

背景技术

随着机械制造技术的发展和进步，纺织圆机转速高、产量高、织物品质好的特点使其受到众多纺织企业的青睐。但是在原坯布生产过程中还是会产生诸如油斑、破洞、漏针、勾丝、断经、缺纬等问题，降低织物的等级，据统计，平均一个使用圆机生产的厂家十天会产生2吨左右的次品原坯布。目前国内的布匹瑕疵检测还没有一套正式的推向市场的瑕疵检测系统，还是由人工在验布机上完成。受个人因素和验布机的影响，检测效率低，漏检几率大，使得工作效率很低。国外的四大全自动验布系统：以色列EVS公司的坯布自动检测系统、瑞士Uster公司的Fabriscan自动验布系统、比利时Bareco公司的Cyclops系统、德国Obdix光电子技术公司的疵点在线检测系统，都是通过在验布机上检测的，但是一套检测系统造价昂贵、运输不易、维护不便。若能在圆机内通过基于计算机视觉的方法去检测，将大大降低布匹的损失，提高原料利用率和工作效率。

国外对织物瑕疵利用计算机视觉进行检测的研究开始于上世纪80年代。为了提高检测的正确率，许多学者提出了多种有效的检测算法。如MC Hu提出的利用小波变换对图像进行多分辨率表示，然后用小波包最佳树中最小六熵的值和位置作为人工神经网络的特征参数去识别织物瑕疵。Jasper W J利用小波算法可产生多分辨率的特性，提出了一种自适应小波算法来提取织物的纹理特性。但是小波算法对油污、破洞等呈区域分布状疵点识别率较低。KL Mak等通过利用Gabor小波网络，从织物图像提取纹理特征，从而设计出最优的Gabor滤波器，提出一种新的半监督缺陷检测方案，该方案由一个实值的Gabor滤波器和一个平滑滤波器组成。该算法对含有平纹和斜纹两种纹理的布匹样本检测精度较高，但是对其他类型的布匹检测正确率较低。DL Yuan提出的基于无暇纺织品通过小生境遗传算法获得最优Gabor滤波器与分割阈值参数的方法。而国内近些年大量学者也对织物瑕疵检测提出了各种有效的检测算法。如吴宇提出的基于视觉显著图构建的织物疵点图像分割的方法，分析并优化ltti视觉显著性计算模型，将小波变换和傅里叶变换用于织物图像的亮度显著图构建，通过分析织物图像本身特点优化设计用于提取织物图像方向特征的Gabor滤波器组，最后通过对织物图像的显著图分别进行阈值分割并线性融合形成疵点信息。但是该方法在疵点信息的某一特征在图像中的显著性本身很高时，会有较大的误判。周志金提出的三级检测算法，第一级通过Hough变换检测最长直线病统计直线的的像素数目，以此设定合理的筛检阈值；第二级利用灰度投影波形在疵点处的异常特性，提取额疵点处投影波形的五种有效特征进行识别；第三级利用灰度投影和K近邻的织物疵点快速定位识别。但是此方法的识别率仅为76.8％，识别率较低，达不到工业上校测的精度要求。陈德裕提出的通过数字图像处理嵌入式系统、模式识别、CCD和精密伺服系统进行织物检测，不过此方法实时性还不够，精确度有待于进一步提高。然而，上述方法应用到验布机上，因为验布机的速度过快，褶皱过多，会有较多的误识和漏检。

因此，在针织圆机运行过程中对原坯布进行检测是很有必要的。如周霞提出了一种在针织圆机上的基于小波变换的检测方法和基于极限学习机的分类方法对针织物瑕疵进行检测和分类，此方法先对采集的织物图像进行预处理，分离疵点和图像背景，之后针对织物进行小波分解，然后利用灰度共生矩阵提取纹理特征值，最后利用极限学习机对疵点进行分类。但是此方法应用到圆机上，程序运行速度慢，实时性不够。

发明内容