基于机器视觉的布匹瑕疵检测方法研究及软件开发

发布时间：2023-04-01 12:50

　　随着当前社会和经济的快速发展,人们对于高品质布匹织物的需求不断增加,然而布匹表面的瑕疵会严重影响产品质量。目前我国的布匹瑕疵主要采用传统人工检测的方式,存在检测准确率较低、劳动力成本高和劳动强度大的缺点。因此,本论文采用机器视觉技术和深度学习技术,研究高精度、高检测速度的布匹瑕疵检测方法并开发检测软件,实现布匹瑕疵的自动化检测,以大幅减少检测人力成本,有效提升纺织产品竞争力,具有重要的理论意义和良好的实际应用价值。本论文的主要工作和成果如下:(1)分析布匹瑕疵检测的软件功能和性能需求,设计硬件系统方案。选择具有高聚光特性的线阵光源,采用同端照射的方式,并使用数字光源控制器控制光照强度;针对布匹传输过程的特点以及检测布幅,选用线阵相机作为图像采集传感器;选用表面平整、传动稳定、速度可调的传动装置保证布匹在传送过程中的可靠性。(2)提出一种基于频率域变换和图像形态学的布匹瑕疵定位方法。首先对原始图像进行预处理,利用纹理滤波提取图像纹理特征,采用高斯混合模型分类器模型进行疵点预判别;然后使用高斯滤波器构建带阻滤波器对傅里叶变换后的频谱图做频率与滤波;最后在滤波后的空间域图像上采用图像形态学方...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 现有布匹瑕疵检测系统
        1.2.2 传统瑕疵检测方法
        1.2.3 深度学习目标检测方法
    1.3 主要研究内容
    1.4 论文组织结构
第二章 布匹瑕疵视觉检测装置总体设计
    2.1 引言
    2.2 光源系统
        2.2.1 光源类型
        2.2.2 照射方案设计
    2.3 成像系统
        2.3.1 相机种类
        2.3.2 镜头选取
    2.4 布匹传动系统
    2.5 计算处理系统
    2.6 软件系统框架
    2.7 本章小结
第三章 基于频率域变换和图像形态学的布匹瑕疵定位
    3.1 引言
    3.2 图像预处理
        3.2.1 布匹光强调节
        3.2.2 降噪滤波器
    3.3 高斯混合模型分类
        3.3.1 LAWS滤波
        3.3.2 GMM分类器判别
    3.4 频率域突出瑕疵区域
        3.4.1 傅里叶变换
        3.4.2 频率域滤波器
    3.5 图像形态学提取布匹瑕疵位置
    3.6 本章小结
第四章 基于Faster R-CNN的布匹瑕疵分类
    4.1 引言
    4.2 目标对象检测分类的主要方法
    4.3 基于Faster R-CNN的布匹瑕疵分类方法
        4.3.1 数据集制作
        4.3.2 模型整体框架
        4.3.3 特征提取网络VGG-16 修改
        4.3.4 Faster R-CNN锚点框调整
    4.4 实验结果与分析
    4.5 本章小结
第五章 基于深度卷积残差网络的布匹瑕疵分类精度优化
    5.1 引言
    5.2 基于深度残差网络的Faster R-CNN
        5.2.1 残差网络简介
        5.2.2 基于深度残差网络的Faster R-CNN设计
    5.3 融合特征金字塔和深度残差网络的Faster R-CNN
    5.4 实验结果与分析
    5.5 本章小结
第六章 基于QT的布匹瑕疵检测软件开发
    6.1 引言
    6.2 需求分析
        6.2.1 功能需求
        6.2.2 性能需求
    6.3 软件开发
        6.3.1 软件总体设计
        6.3.2 软件详细设计
    6.4 本章小结
第七章 总结与展望
    7.1 工作总结
    7.2 展望
参考文献
致谢
作者简介
    1 作者简历
    2 撰写的学术论文
    3 参与的科研项目及获奖情况
    4 申请的发明专利
学位论文数据集



本文编号：3777174