基于机器视觉的编织袋缺陷在线检测方法

发布时间：2021-06-02 21:13

　　针对人工检测编织袋缺陷的正确率低与效率较低的问题,提出一种高效的在线检测编织袋缺陷方法。该方法在线采集编织袋图像并进行图像处理,消除干扰项,准确检测编织袋的缺陷。使用均值滤波器、灰度开闭操作对图像进行预处理,消除图像中干扰缺陷检测的黑白条纹与灰度不均匀,降低噪声。使用差分图像二值化对图像进行背景分割,提取出孔洞缺陷、拉丝缺陷,以及过大的丝线缝隙、褶皱和黑色物。同时,进行开闭运算处理,将断裂的缺陷连接起来并消除过大的丝线缝隙,避免小缺陷的漏检。利用特征提取与缺陷检测消除褶皱和黑色物的干扰,检测出孔洞和拉丝缺陷。实验结果表明,500个试样检测的平均正确检测率达到97.20%,检测效率为720m/h,检测结果正确率高,效率高。 

【文章来源】：激光与光电子学进展. 2020,57(20)北大核心CSCD

【文章页数】：8 页

【部分图文】：

系统框图

图像处理是机器视觉检测技术的核心内容，根据图像精度和处理程度，图像处理分为图像预处理、图像分割处理、特征提取与缺陷检测。图像预处理可以去除图像中由环境、设备和光照等在外因素引起的干扰，降低图像噪声，凸显图像的特征信息，校正图形的形状。图像分割处理是根据感兴趣目标，将图像的特征信息分割成具有不同特性的区域，包括目标区域与背景区域。特征提取与缺陷检测是提取感兴趣目标的特征值并与标准参数进行对比，筛选出缺陷，缺陷包括影响编织袋质量性能的孔洞和拉丝缺陷。本文检测方法可以准确地避开图像上的干扰，正确识别缺陷，准确判断编织袋是否合格。编织袋的缺陷检测的算法流程如图2所示。4.1 图像预处理

由图3(a）、（b）可知，经过算术均值滤波器的处理，减少了丝线间隙过亮或过暗的干扰，图像整体平滑，噪声降低，滤波效果较好。由图3(a）、（c）可知，经由灰度闭操作，消除了图像中黑色纹路的干扰。由图3(a）、（d）可知，经由灰度开操作，图像中的纬丝线方向较小明亮细节和孔洞已去除干净；孔洞缺陷的图像预处理采用均值滤波、灰度闭操作和灰度开操作，预处理效果较好，图像整体平滑，消除黑色纹路的干扰。由图3(e）、（f）可知，灰度闭操作处理后，图像中的黑色纹路和拉丝缺陷均被去除。由图3(g）、（h）可知，灰度闭操作处理后，图像中的黑色物没有被消除；拉丝缺陷的图像预处理采用灰度闭运算，预处理效果较好，消除了黑色纹路的干扰。4.2 图像分割处理

【参考文献】：
期刊论文
[1]基于机器视觉的定子表面缺陷检测系统研究[J]. 戴斌宇,吴静静.  传感技术学报. 2019(10)
[2]基于机器视觉的荞麦剥壳性能参数在线检测方法[J]. 吕少中,杜文亮,陈震,陈伟,苏日嘎拉图.  农业机械学报. 2019(10)
[3]基于机器视觉的包装袋缺陷检测算法研究与应用[J]. 李丹,白国君,金媛媛,童艳.  激光与光电子学进展. 2019(09)
[4]采用机器视觉的金属表面横向裂纹检测[J]. 王清晨,景军锋.  电子测量与仪器学报. 2018(11)
[5]基于机器视觉的药品包装生产线自动检测系统[J]. 李姿景.  包装工程. 2018(17)
[6]基于机器视觉的食品内包装缺陷检测装置设计与实现[J]. 贾真真,张涛,曹兴强,曾建,李晓,姚二民.  食品与机械. 2018(07)
[7]基于机器视觉的筒子纱缺陷在线检测系统[J]. 牟新刚,蔡逸超,周晓,陈国良.  纺织学报. 2018(01)
[8]基于机器视觉的方便面包装品质检测系统设计[J]. 陈慧丽,李继伟.  包装工程. 2017(13)
[9]基于机器视觉的食品包装缺陷检测研究[J]. 李萌,孙铁波.  食品研究与开发. 2016(24)
[10]基于机器视觉的铝塑药品包装在线检测系统[J]. 李萌,孙铁波.  塑料工业. 2016(04)



本文编号：3210762