基于机器视觉的坯布缺陷检测系统的研究与实现
发布时间：2021-11-27 04:11
坯布指通过纺织加工制成后还没有经过印染加工的布,是做衣服的面料的最初形态,现阶段国内很多纺织品生产厂家还是采用人工目检的方式对坯布的缺陷进行检测,不仅会对工人的身体造成损害,而且检测的准确率和速度都无法得到保证。基于机器视觉的检测方法不仅安全而且检测速度快、准确率高,鉴于此,本文对坯布缺陷检测系统的相关内容进行研究,主要工作如下:（1）研究了坯布图像处理中的预处理算法。在亮度补偿阶段,对分块法进行了改进,改进算法原理简单,运算速度快,对各种算法进行对比,证明该算法可以很好的实现图像的亮度补偿并且具有一定的优越性。在滤波去噪阶段,研究了常用的几种滤波去噪算法,在时间和效果上对各种算法进行对比与分析,选取了最适合本文的滤波算法。（2）研究了字典学习在坯布图像缺陷检测中的应用。根据字典学习的原理和坯布缺陷的特性选取合适的字典学习和图像重构相关的算法,在字典大小和子窗口大小优选部分,通过对实验结果以及相关数据进行分析选取最佳的参数。该算法准确地实现了缺陷图像的检测,既能够满足系统的准确性要求又能够保证实时性。（3）研究了坯布缺陷图像的分类。首先对缺陷图像进行感兴趣区域的提取,研究了灰度图像常用...
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
人工目检方式
武汉理工大学硕士学位论文3计算机技术、控制理论、模式识别和人工智能等多领域的交叉学科飞速发展，机器视觉的研究也到了一个崭新的台阶[9]。机器视觉通常指的是利用图像采集设备对物体的图像信息进行采集，然后通过图像处理设备对图像数据进行某种处理，最后输出某种可视化结果，使之能完成检测或者判断等功能[10]。机器视觉本质上就是模拟人类视觉系统，使机器可以像人一样去观察和分析客观事物。从整体架构来看，一个完整的视觉检测系统包括硬件部分和软件部分[11]。如图1-2所示，其中硬件部分主要分为三个部分，其中，光源模块是视觉检测成功的先决条件，合适的光源选择和合理的照射方式对物体的成像质量至关重要，对后续的算法处理效果和时间有很大的影响。图像采集模块主要指的是工业相机，在光源的照明下将摄取到的目标转化成图像信号，以供后续处理。控制执行模块主要功能是控制图像的采集频率以及硬件的工作流程。软件部分主要分为两个部分，其中，图像处理模块的功能是对图像进行相应的处理、分析以及识别。数据通信模块的主要功能是反馈处理结果，使系统的各部分协调运作。图1-2典型的工业视觉检测系统随着机器视觉理论的不断研究与发展，很多开发视觉检测系统的企业也随之产生，德国的西门子公司、瑞士的BOBST公司以及日本的Keyence公司在视觉检测系统方面的研究处于领先地位，并且这些公司拥有比较完善的视觉检测产品[12]。而国内关于机器视觉的相关研究起步相对于国外是较晚的，因此在视觉检测系统的开发上还不是很成熟，但是，还是有一些企业比如北京大恒、上海方诚推出了较为成熟的视觉检测系统。1.3.2纺织品缺陷检测算法研究现状基于机器视觉的纺织品表面缺陷检测技术一直是国内外的研究热点，从上世纪80年代起，国内外?
武汉理工大学硕士学位论文4图1-3所示，按照实现方式主要可以分为以下几类检测算法。图1-3检测算法示意图（1）统计法以统计为基础的缺陷检测方法是将织物图像划分为不同的窗口，计算织物图像窗口区域的统计特征，并用该特征来描述图像的纹理[13]。常见的检测算法主要有灰度共生矩阵、数学形态学等。灰度共生矩阵并不能直接反映图像的灰度分布在空间上的关系，但根据它得到的相关的参数可以用来表征图像的灰度值在各个方向上的分布规律。Selver等[14]结合了图像的灰度统计直方图和灰度共生矩阵，对织物的纹理进行特征提取，并根据这些特征来区分正常织物与缺陷织物，该方法对缺陷的识别率达到了93.1%。数学形态学是根据不同织物的图像特性，选择具有一定形状的结构元素对织物图像进行数学变换，通过对图像的变换获取织物图像的相关形状特征。Celik等人[15]提出一种将形态学和线性滤波器相结合的方法，分别对5种不同类型的缺陷进行离线和在线的检测，检测率分别为83%和88%。（2）频域法频域法指对图像进行一定的变换，使其变换到频域中后，对变换后的图像进行处理，常见的有傅里叶变换、小波变换和Gabor滤波器。傅里叶变换是最早提出的用于频谱分析的方法。潘如如等[16]通过对织物缺陷图像进行傅里叶变换，获取其结构特征，然后利用这些特征设计相应的频域滤波器对图像进行滤波操作，从而将缺陷区域从织物背景中分割出来，最后，经过二值化分割出织物疵点。但是傅里叶变换只适合检测一些全局性的缺陷，其时域分辨率很差，因此傅里叶变换不适合检测面积小的缺陷。Gabor变换是一种特殊的傅里叶变换，它对傅里叶变换进行了一部分的改
本文编号：3521537
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
人工目检方式
武汉理工大学硕士学位论文3计算机技术、控制理论、模式识别和人工智能等多领域的交叉学科飞速发展，机器视觉的研究也到了一个崭新的台阶[9]。机器视觉通常指的是利用图像采集设备对物体的图像信息进行采集，然后通过图像处理设备对图像数据进行某种处理，最后输出某种可视化结果，使之能完成检测或者判断等功能[10]。机器视觉本质上就是模拟人类视觉系统，使机器可以像人一样去观察和分析客观事物。从整体架构来看，一个完整的视觉检测系统包括硬件部分和软件部分[11]。如图1-2所示，其中硬件部分主要分为三个部分，其中，光源模块是视觉检测成功的先决条件，合适的光源选择和合理的照射方式对物体的成像质量至关重要，对后续的算法处理效果和时间有很大的影响。图像采集模块主要指的是工业相机，在光源的照明下将摄取到的目标转化成图像信号，以供后续处理。控制执行模块主要功能是控制图像的采集频率以及硬件的工作流程。软件部分主要分为两个部分，其中，图像处理模块的功能是对图像进行相应的处理、分析以及识别。数据通信模块的主要功能是反馈处理结果，使系统的各部分协调运作。图1-2典型的工业视觉检测系统随着机器视觉理论的不断研究与发展，很多开发视觉检测系统的企业也随之产生，德国的西门子公司、瑞士的BOBST公司以及日本的Keyence公司在视觉检测系统方面的研究处于领先地位，并且这些公司拥有比较完善的视觉检测产品[12]。而国内关于机器视觉的相关研究起步相对于国外是较晚的，因此在视觉检测系统的开发上还不是很成熟，但是，还是有一些企业比如北京大恒、上海方诚推出了较为成熟的视觉检测系统。1.3.2纺织品缺陷检测算法研究现状基于机器视觉的纺织品表面缺陷检测技术一直是国内外的研究热点，从上世纪80年代起，国内外?
武汉理工大学硕士学位论文4图1-3所示，按照实现方式主要可以分为以下几类检测算法。图1-3检测算法示意图（1）统计法以统计为基础的缺陷检测方法是将织物图像划分为不同的窗口，计算织物图像窗口区域的统计特征，并用该特征来描述图像的纹理[13]。常见的检测算法主要有灰度共生矩阵、数学形态学等。灰度共生矩阵并不能直接反映图像的灰度分布在空间上的关系，但根据它得到的相关的参数可以用来表征图像的灰度值在各个方向上的分布规律。Selver等[14]结合了图像的灰度统计直方图和灰度共生矩阵，对织物的纹理进行特征提取，并根据这些特征来区分正常织物与缺陷织物，该方法对缺陷的识别率达到了93.1%。数学形态学是根据不同织物的图像特性，选择具有一定形状的结构元素对织物图像进行数学变换，通过对图像的变换获取织物图像的相关形状特征。Celik等人[15]提出一种将形态学和线性滤波器相结合的方法，分别对5种不同类型的缺陷进行离线和在线的检测，检测率分别为83%和88%。（2）频域法频域法指对图像进行一定的变换，使其变换到频域中后，对变换后的图像进行处理，常见的有傅里叶变换、小波变换和Gabor滤波器。傅里叶变换是最早提出的用于频谱分析的方法。潘如如等[16]通过对织物缺陷图像进行傅里叶变换，获取其结构特征，然后利用这些特征设计相应的频域滤波器对图像进行滤波操作，从而将缺陷区域从织物背景中分割出来，最后，经过二值化分割出织物疵点。但是傅里叶变换只适合检测一些全局性的缺陷，其时域分辨率很差，因此傅里叶变换不适合检测面积小的缺陷。Gabor变换是一种特殊的傅里叶变换，它对傅里叶变换进行了一部分的改
本文编号：3521537
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3521537.html
最近更新
教材专著
