疵點
- 基于分類算法的高實時性織物疵點檢測
器視覺被引入織物疵點檢測,并逐漸替代人工檢測。國內外專家和學者進行了深入研究,并陸續(xù)提出了許多有價值的織物疵點檢測算法。Amet等[1]提出了一種子帶共生矩陣方法,利用小波分解將原始圖像分解為多個子帶圖像,并計算共生矩陣特征值,檢測精度可達88%;Rosler[2]從共生矩陣中提取新的特征值檢測織物疵點,檢測精度可以提高到90%;鄒超等[3]提出了一種模糊邏輯灰度分類方法,利用少量類別替代256個灰度級,不需要復雜的特征計算即可得到模糊類別共生矩陣,但只適
毛紡科技 2023年8期2023-09-15
- 基于Swin Transformer的兩階段織物疵點檢測
，織物表面會出現(xiàn)疵點。疵點的出現(xiàn)不僅會影響織物的質量，還會影響到企業(yè)的經(jīng)濟效益。傳統(tǒng)的疵點檢測方法以人工檢測為主，這種方式不但效率低、精度差，而且長時間的工作會對紡織工人的眼睛造成影響。為了提高生產(chǎn)效率，降低人工成本，使用自動檢測設備來替代人眼進行疵點檢測成了現(xiàn)代紡織企業(yè)的追求目標。近年來，隨著深度學習的發(fā)展，采用深度學習技術對織物疵點進行檢測的方法不斷地被提出。安萌等［1］提出了一種改進的Faster RCNN織物疵點檢測方法，通過對Softmax分類器
棉紡織技術 2023年2期2023-02-21
- 基于深度學習的織物疵點檢測研究進展
430200)疵點檢測是紡織企業(yè)提高產(chǎn)品質量的重要環(huán)節(jié)。目前，我國大多數(shù)企業(yè)仍然以人工目測為主，由于人體生理機能的限制，當織物運動速度過快時，手工操作不可避免地會造成人眼疲勞，進而導致誤差，這無疑限制了高質量織物的生產(chǎn)[1]。不僅如此，人工檢測結果容易受人的主觀因素影響，準確率不高。產(chǎn)品質量控制是紡織品生產(chǎn)時必不可少的環(huán)節(jié)[2]，由于疵點種類繁多，形狀不一，如果采用傳統(tǒng)的人工檢測方法是無法滿足效率需求的[3]。紡織企業(yè)如果想要提高織物疵點檢測的效率，同時
紡織學報 2023年1期2023-02-16
- 織物疵點自動檢測方法及應用進展
可能會在布面產(chǎn)生疵點,調查顯示,疵點的存在會使紡織品的價格下降45%～65%,織物疵點無疑是一個影響織物品質的重要因素,織物疵點的多少關系著紡織企業(yè)的收益,也是公司生產(chǎn)管理水平的象征[2-3]。為了盡量減少織物疵點帶來的損失,企業(yè)一方面著力提升織造質量,減少疵點的產(chǎn)生,另一方面重點進行織物疵點的檢測,盡可能早地發(fā)現(xiàn)疵點,進行處理和修復,降低疵點帶來的影響。在疵點檢測方面,由于織物復雜多樣、疵點種類繁雜,人工檢測又存在速度慢、工費高、主觀性強等問題[4-5]
紡織科技進展 2022年2期2022-11-22
- 寬幅家紡面料中縫疵點的解決措施
，我們稱之為中縫疵點。尤其是加工小提花織物時綜框在8頁以上，中縫疵點更容易出現(xiàn)，并且隨著坯布染色而更加明顯。通常采取的處理方式有3種：一是拆除前3頁綜框的中支撐，使前3頁綜絲盡量聚集，后面綜框的中支撐保持不變；二是適當降低前兩頁綜框高度，減少經(jīng)紗的傾斜角度；三是用膠帶將第1頁綜框兩織軸間幾根綜絲固定在一起，使紗線聚集。上述3種方法雖然能發(fā)揮一定作用，但效果不明顯，不能徹底解決坯布上的中縫疵點。為此，我們嘗試加工了一種經(jīng)紗聚集輔助工具——鐵梳子，將其放置在兩
棉紡織技術 2022年11期2022-11-15
- 基于兩層次低秩分解的無監(jiān)督織物疵點檢測方法
01620)織物疵點檢測是紡織品質量控制過程中的關鍵環(huán)節(jié)之一。目前，大多數(shù)織物檢驗方法采用高成本的人工檢測，需要大量人工標注信息。因此，探索一種泛化性好、疵點定位精度高和疵點類別分辨能力強的無監(jiān)督織物疵點檢測方法，具有重要的學術價值和應用價值。近年來，針對織物疵點的檢測算法主要包含4種方法。一是基于統(tǒng)計的方法，主要包括直方圖統(tǒng)計[1]、共生矩陣[2]、顯著圖重構[3]等。雖然這類方法計算量小, 但是對環(huán)境條件敏感, 錯檢、漏檢率較高。二是基于頻譜的方法，主
東華大學學報（自然科學版） 2022年5期2022-11-11
- 基于改進RefineDet的織物疵點檢測
，因此對織物進行疵點檢測，是成品布出廠的最后一道工序，也是控制成布質量的關鍵環(huán)節(jié)[1-2]。傳統(tǒng)的織物疵點檢測方法，主要是以人工檢測的方式為主。人工檢測需要大量勞動力，且容易受到檢測員主觀因素和外界環(huán)境等客觀因素的影響，出現(xiàn)誤檢和漏檢的問題，導致檢測效果差[3]。為了提高織物疵點檢測的效率，從20世紀90年代開始，研究者們就提出了大量的基于圖像處理的織物疵點自動檢測方法[4]。不僅如此，自2015年開始，深度學習的方法被引入到織物疵點檢測領域，這些方法突破
現(xiàn)代紡織技術 2022年5期2022-09-14
- 基于并行綜合學習粒子群算法的織物圖像疵點檢測
會產(chǎn)生各種各樣的疵點并嚴重影響紡織品的使用價值，因此在驗布過程中需要及時檢測出疵點[1]。人工方法對織物疵點檢測是在無眩光的背面窗旁或日光燈照明條件下通過經(jīng)驗檢測。此方法簡單，但是存在效率低、漏檢率高等缺點，檢驗結果正確率較低。自動化檢測織物疵點已成為對織物質量進行控制和實現(xiàn)織造及驗布工序的關鍵環(huán)節(jié)，因此受到了紡織行業(yè)的關注。目前較為成熟的織物圖像疵點檢測算法有：小波變換(Wavelet transform,WT)檢測方法[2]，如果邊緣周圍存在與疵點相似
現(xiàn)代紡織技術 2022年4期2022-08-03
- 織物疵點在線檢測的神經(jīng)網(wǎng)絡方法研究
形緯編機針織面料疵點的自動檢測。在歸納總結針織面料疵點圖像學特征的基礎上，設計一種可檢測織物疵點的深度學習神經(jīng)網(wǎng)絡。基于單階段目標檢測模型YOLOv3，修改網(wǎng)絡結構中的兩條支路后該網(wǎng)絡可參照圖像中的背景織物用以識別其上的疵點。并使用深度可分離卷積層降低模型參數(shù)、加快檢測速度。實驗表明，基于YOLOv3改進的緯編針織面料疵點檢測算法的mAP（各類別平均準確率的平均值）為81.44%，相較于YOLOv3明顯提升。紡織工業(yè)中，面料在織造后往往出現(xiàn)各類疵點，影響產(chǎn)
電子世界 2022年1期2022-07-23
- 基于Cascade RCNN 和二步聚類的織物疵點檢測
生產(chǎn)過程中，織物疵點控制與檢測是極為關鍵的環(huán)節(jié)，其質量直接影響面料的市場售價［1］。傳統(tǒng)的織物疵點檢測主要依靠人工目檢，主觀性強、檢測準確率低且難以滿足實時檢測需求。隨著機器視覺檢測技術的發(fā)展，其已被應用于織物疵點自動檢測。傳統(tǒng)的織物疵點視覺檢測方法需要根據(jù)不同類型疵點的特征人工設計圖像特征提取器，當織物紋理和疵點種類變化時，需重新設計特征提取器，適應性差?；诰矸e神經(jīng)網(wǎng)絡織物疵點檢測算法可以通過自主學習圖像多層級特征信息，有效解決特征提取器設計問題，越來
棉紡織技術 2022年7期2022-07-15
- 基于改進Pix2PixGAN的織物疵點檢測算法
12000)織物疵點檢測在紡織生產(chǎn)的質量控制中起著至關重要的作用。傳統(tǒng)的人工疵點檢測很容易受到心理等主觀條件的影響，導致效率低、精度低、實時性能差[1]。因此，智能織物疵點檢測已成為近年來的一種研究趨勢。近年來，深度學習在織物疵點檢測領域取得了可觀的成果，但深度學習網(wǎng)絡的檢測能力主要依賴于訓練數(shù)據(jù)集的大小和多樣性[2]。然而由于織物紋理和疵點的復雜和隨機性，難以獲得一個包含所有可能的織物紋理和疵點的完整數(shù)據(jù)集，這限制了深度學習在織物疵點檢測領域的進一步發(fā)展
毛紡科技 2022年3期2022-04-07
- 主結構提取和多尺度線性濾波的織物疵點檢測方法
發(fā)展的今天，織物疵點檢測自動化是學者們研究的重點方向?，F(xiàn)存的有關織物疵點檢測[1]方法可以分為統(tǒng)計法[2]、模型法[3-4]、顯著性法[5-7]和深度學習方法[8-10]等4類?；诮y(tǒng)計法的檢測方法要提前構造和預估所需的特征參量信息，以便于通過參量信息分析研究圖像中不同區(qū)域的統(tǒng)計差異，再利用統(tǒng)計差異為定位疵點提供可靠的依據(jù)。ZHANG等使用自相關函數(shù)將織物圖像劃分為子塊，并利用平均值和標準差作為統(tǒng)計特征參數(shù)，將各子塊的區(qū)域按有無疵點分為2類，對含有疵點的子
紡織高?；A科學學報 2021年4期2022-01-26
- 基于視覺感知機制的織物疵點輪廓檢測①
10048)織物疵點檢測是紡織品質量監(jiān)控中一項最重要的工序, 織物疵點主要指紡織品在紡紗、織造、印染等過程中由于原材料質量、機械故障、工人疏漏等原因造成的表面瑕疵, 不僅對織物成品的質量造成負面影響, 同時會帶來較大的經(jīng)濟損失[1].因此, 在坯布進行再加工之前, 需要進行嚴格的質量檢測.然而, 現(xiàn)有的織物質量檢測仍多依賴于人工作業(yè), 不僅枯燥且重復性極強, 要求作業(yè)工人精力高度集中, 通過視覺發(fā)現(xiàn)織物疵點并進行修整和標注, 這種檢測方法不僅耗時而且嚴重傷
計算機系統(tǒng)應用 2021年11期2022-01-06
- 基于總變差的織物疵點分割方法
法實現(xiàn)機織物表面疵點的自動檢測一直是近年來的研究熱點。根據(jù)不同疵點檢測算法的檢測方式，可將算法分為基于特征提取和基于非特征提取二大類?；谔卣魈崛〉乃惴ㄍǔ⒖椢飯D像分割為多個子圖像，提取其特征后利用分類器進行識別[1]。如Latif-Amet等[2]于2000年提出了基于共生矩陣的織物疵點檢測方法，利用織物圖像的共現(xiàn)特征檢查織物紋理的缺陷。Chan等[3]利用傅里葉變換提取了用于中央空間頻譜的7個特征參數(shù)以進行織物疵點分類。李仁忠等[4]采用基于期望最大
紡織學報 2021年11期2021-11-30
- 一種單、棉服裝外觀疵點標準樣照的研制過程
特別是產(chǎn)品的外觀疵點，關系到服裝的使用價值，是消費者判斷產(chǎn)品質量最直觀的指標。標準GB/T 2662—2017《棉服裝》，已于2017年12月1日實施[1]。FZ/T 81007—2012《單、夾服裝》已于2013年6月1日實施[2]，上述標準對外觀疵點的程度要求給出了詳細的描述，但實際檢測中，由于缺乏與文字標準相對應的疵點樣照，檢驗人員易出現(xiàn)判定結果不一致，同時也對生產(chǎn)企業(yè)和消費者造成影響。因此，根據(jù)單、棉服裝的原料、織造和后整理工藝特征制定一套適用單、
中國纖檢 2021年5期2021-05-25
- 基于BP神經(jīng)網(wǎng)絡和隨機森林的織物圖像疵點判別網(wǎng)絡
腦[1]進行織物疵點判別成為可能.BP神經(jīng)網(wǎng)絡由以Rumelhar和McClelland為首的科學家在1986年提出[2].該網(wǎng)絡具有很強的非線性擬合能力，被廣泛應用于織物疵點判別.李鵬飛等[3]借助織物圖像的灰度共生矩陣提取特征，用兩層BP神經(jīng)網(wǎng)絡檢測圖像疵點；周繼坤[4]借助玻纖布圖像的奇異分解提取特征，用兩層BP神經(jīng)網(wǎng)絡判別圖像中是否存在疵點；YIN等[5]借助斜紋織物圖像的灰度直方圖提取特征，用兩層BP神經(jīng)網(wǎng)絡判別圖像中是否存在兩種疵點(破洞和油污
北華大學學報（自然科學版） 2021年2期2021-05-07
- 基于相似性定位和超像素分割的織物疵點檢測
10048)織物疵點檢測是紡織行業(yè)保值增效的重要手段，但織物圖像紋理具有多樣性和復雜性，是織物疵點檢測領域的研究難點。傳統(tǒng)的織物疵點大都由經(jīng)驗豐富的員工進行人工檢測，該方法不僅存在效率低、成本高等問題，還會產(chǎn)生由于主觀因素造成的大量誤檢、漏檢等情況[1]。為解決人工檢測帶來的問題，數(shù)字圖像處理和機器視覺等現(xiàn)代技術已被應用于織物疵點檢測[2-4]。現(xiàn)有基于數(shù)字圖像處理的織物疵點檢測方法大致可分為以下4類：變換域檢測法、數(shù)學統(tǒng)計檢測法、視覺顯著性檢測法和深度學
紡織學報 2020年10期2021-01-06
- 應用上下文視覺顯著性的色織物疵點檢測
量控制階段，織物疵點檢測是其中的一個重要環(huán)節(jié)[1]。目前，國內外對織物疵點檢測算法的研究主要是針對素色織物進行的[2-4]。相較于素色織物，色織物由于顏色等特征的加入，導致檢測難度較大，所以目前對色織物疵點檢測方法的研究較少，且檢測效果大都不理想[5]。其中：Li等[6]提出基于能量局部二值模式的色織物疵點檢測算法，通過對無疵參考樣本進行訓練得出無疵窗格的閾值，最后與待檢測圖像窗格比較進行疵點檢測；Zhu等[7]提出基于自相關函數(shù)和局部紋理特征(GLCM)
紡織學報 2020年8期2021-01-05
- 基于低秩分解的織物疵點檢測
023)織物的瑕疵點檢測是生產(chǎn)流程中的關鍵步驟，傳統(tǒng)人工檢測由于工人的視覺疲勞，往往容易造成疵點的誤檢和漏檢[2]。相比于人工檢測，機器檢測則是通過軟件分析采集到的織物圖像來標識疵點區(qū)，其檢測標準更客觀，且不存在人工視覺疲勞問題，從而可有效地提高疵點檢出率和檢測速度。然而，由于織物背景紋理各不相同，疵點類型多種多樣，如何準確區(qū)分織物的正常紋理和疵點是實現(xiàn)機器檢測的關鍵。針對疵點檢測問題，常見的方法有：統(tǒng)計學方法、頻域變換法、基于模型的方法、圖像分解法等。然
紡織學報 2020年5期2021-01-05
- 基于MF?SSD 網(wǎng)絡的織物疵點檢測
使用人工方法進行疵點檢測，由于人工檢測成本高、勞動強度大，工人容易受到視覺疲勞和心理因素的影響，導致織物疵點漏檢率高，從而降低生產(chǎn)效率，給工廠帶來巨大經(jīng)濟損失。為此，在生產(chǎn)過程中引入自動疵點檢測迫在眉睫［1］?？椢?span id="j5i0abt0b" class="hl">疵點的自動檢測算法主要有統(tǒng)計方法、頻譜方法、學習方法、模型方法、結構方法［2］?；诮y(tǒng)計的方法，ZHU D D 等人［3］提出了一種基于自相關函數(shù)和灰度共生矩陣的色織物疵點檢測算法，算法加大了復雜度，實時性不強?；陬l譜的方法，文獻［4］采用粒子
棉紡織技術 2020年12期2020-12-24
- 27種常見的印花疵點及原因分析
1．露白疵點描述：經(jīng)紗或緯紗的一部分翻轉或移動到織物的正、反面，在花紋上呈現(xiàn)出酷似被撓后留下的道道。原因分析：該疵病大多由于色漿滲透不良、印花后的處理不當（張力不勻等）而造成。2．印花色澤不勻（斑點）疵點描述：印花的一部分變成了如同鯊魚表皮形狀那樣的花斑。原因分析：該疵病多在色漿粘度不適當、篩網(wǎng)網(wǎng)眼選擇不當或貼布不勻等情況下發(fā)生。3．滲色（化開）疵點描述：印花花紋的顏色滲出，花型的輪廓不清晰，呈現(xiàn)出模糊不清的色彩。原因分析：色漿粘度低、染料濃度極濃、印花吸
網(wǎng)印工業(yè) 2020年10期2020-11-03
- 經(jīng)編布匹瑕疵點檢測方法
)新生產(chǎn)的布匹上疵點的檢測，如果采用人工憑肉眼進行檢測，難免產(chǎn)生很多問題.隨著機器視覺技術的發(fā)展，人們將該技術應用于布匹疵點的檢測[1-2].目前世界上基于視覺的布匹疵點檢測技術，在梭織布、無紡布疵點檢測方面有了很好的發(fā)展[3-6].然而，對于經(jīng)編布來說，由于制造工藝的原因，所生產(chǎn)的布匹雖然具有彈性好、可形成獨特的花紋及色澤鮮艷、樣式美觀，但是織線間距大、紋理顯著，使得當采用機器視覺方法進行布匹疵點檢測時：或者由于疵點的面積大小與網(wǎng)格大小比較接近，而產(chǎn)生誤
安徽大學學報（自然科學版） 2020年5期2020-09-15
- 碧玉和它的疵點
紅的碧玉中有一個疵點。這令孔雀很傷心，它決定去掉這個疵點?？兹改弥裨谑^上使勁地磨，玉一層層地被剝了皮，發(fā)出一陣陣凄慘的叫聲?？兹刚f：“我的寶貝呀，我都是為你好，磨掉你身上的疵點，你就會變得完美，你就是世界上最珍貴的寶物了?！笨兹傅难劬λ浪蓝⒅逃竦?span id="j5i0abt0b" class="hl">疵點，不停地磨著。至于其他，它都視而不見。不知過了多久，那塊碧玉變成了一個小黑點，它是玉的核。一陣風刮來，孔雀的“小黑點”被吹得無影無蹤?？兹负孟窈鋈幌肫鹆耸裁矗舐暯泻爸骸拔业膶氊惸?？”孔雀的碧玉已經(jīng)化
意林·少年版 2020年16期2020-08-31
- 光電自動驗布機的技術現(xiàn)狀與發(fā)展趨勢
尋找織物上的有害疵點，按疵點種類統(tǒng)計數(shù)量對布匹評級，并標記位置為后續(xù)修布做準備。由于整理工序是紡織品出廠前的最后一道工序，在產(chǎn)品質量控制環(huán)節(jié)中起著至關重要的作用，而驗布又是這一工序的關鍵環(huán)節(jié)，所以紡織企業(yè)在驗布環(huán)節(jié)投入了大量的人力和物力。目前國內多采用人工驗布方式，由檢驗人員在一定的燈光下觀察緩慢運動的布面狀況，遇到疵點時停止運動并在相應位置或布邊標記，驗完一卷布后，再由修布人員根據(jù)標記修理布面上的相應疵點。傳統(tǒng)的人工驗布存在檢測效率低、勞動強度大、漏檢率
棉紡織技術 2020年7期2020-07-17
- 基于頻域分析的毛巾織物疵點檢測
如果人工進行織物疵點檢測，需要精力高度集中，疵點檢測反復、枯燥，而人的精力有限，長時間工作難免會有紕漏或者工作效率會下降，導致檢驗過程中出現(xiàn)瓶頸。隨著工業(yè)技術的發(fā)展，將圖像處理技術運用到織物疵點檢測的設計中，實現(xiàn)自動疵點檢測為必然的發(fā)展趨勢[1]。在疵點檢測系統(tǒng)中，可靠高效的特征提取算法設計尤為重要，特征提取主要利用織物自身的結構特點及疵點特征等先驗知識，提取圖像的特征，主要算法有空域特征提取和變換域特征提取兩大類方法[1-2]，空域有基于灰度共生矩陣、建
計算機測量與控制 2020年6期2020-06-29
- 基于頻率域濾波器的織物疵點檢測
了一系列關于織物疵點檢測的文章，Chen 等[1]設計了32 個圓形的實Gabor 濾波器，并從中選取兩個最優(yōu)的實Gabor 濾波器用于織物疵點的檢測，該檢測方法屬于空間域上的檢測方法.管聲啟等[2]利用頻率域濾波器抑制正常紋理頻譜信息，根據(jù)重構灰度圖像的若干子窗口判別疵點的存在性；劉偉斌等[3]利用含疵點的織物圖像的頻譜圖來設計頻率域濾波器，提取疵點信息，借助于重構疵點圖像分割出疵點，這類檢測方法屬于頻率域的檢測方法.受文獻[1-3]啟發(fā)，本文在頻率域上
閩南師范大學學報(自然科學版) 2020年1期2020-06-05
- 噪聲干擾下的防羽布疵點檢測算法
)0 引 言織物疵點主要是在織造過程中形成的[1]。隨著需求的增加、生產(chǎn)效率不斷提升[2],生產(chǎn)過程中織物的疵點數(shù)目和種類也會隨之增多,而產(chǎn)品表面缺陷會降低產(chǎn)品質量和商業(yè)價值[3]。研究表明，紡織品的價格會因生產(chǎn)質量的問題而損失45%～65%[4]。目前,國內幾乎所有紡織企業(yè)仍然釆用傳統(tǒng)的人工驗布方式進行瑕疵檢測,通過人眼觀察,手動剔除不合格產(chǎn)品。由于檢測勞動強度大,人為檢測效率低,漏檢率較高,可靠性較差[5],并增加企業(yè)勞動成本[6]。采用機器視覺[7]
西安工程大學學報 2020年1期2020-04-08
- 基于光電自動驗布機視覺系統(tǒng)的織物疵點檢測
3)1 研究背景疵點檢測對織物質量控制至關重要，生產(chǎn)中可通過修復或消除織物疵點來提升質量和使用價值，有報道稱織物疵點會使其價格減少45%～65%[1]。傳統(tǒng)人工檢測織物疵點效率低、漏/誤檢率高，織物質量和企業(yè)利潤難以保證。統(tǒng)計發(fā)現(xiàn)，當一個熟練驗布師的驗布速度為15 m/min～20 m/min、檢測織物幅寬為0.8 m～1.0 m時，其僅可識別出約70%的瑕疵[2-3]。隨著自動化技術進步、用工成本的不斷上升，紡織廠對自動驗布機的需求強勁。當前，自動驗布機
紡織器材 2020年1期2020-03-23
- 基于FPGA的圖像疵點處理設計與實現(xiàn)
。圖1：成像系統(tǒng)疵點處理原理框圖在成像與跟蹤識別系統(tǒng)中，過多疵點不僅嚴重影響成像系統(tǒng)的成像質量，而且還會引起對有效目標的錯誤跟蹤與識別，因此非常有必要對圖像的疵點進行處理。傳統(tǒng)方法是計算機軟件處理圖像疵點，整個過程需要開發(fā)計算機軟件，增加額外的數(shù)字圖像采集設備，而且該方法不適用于模擬成像系統(tǒng)。因此本文提出一種利用FPGA 在線處理疵點的方法，主要包括子圖劃分、疵點坐標分時計算、排序與存儲、疵點流水線補償?shù)冗^程。2 原理設計在成像系統(tǒng)中，針對不同的需求，圖像
電子技術與軟件工程 2019年22期2020-01-16
- 基于十字窗口的經(jīng)編織物疵點檢測
生產(chǎn)過程中，織物疵點不可避免，疵點的產(chǎn)生會影響織物的質量從而降低產(chǎn)品的價格，因此對織物疵點檢測是紡織品質量控制的關鍵環(huán)節(jié)[1]。目前工廠大多采用人工檢測方法，且存在很多弊端：一方面，長時間工作易疲勞，造成漏檢或誤檢；另一方面，人的靈敏度有限，機速過高時，不及時停機會造成過長的疵點，嚴重影響織物的質量。隨著計算機技術的發(fā)展，織物疵點在線檢測技術在紡織行業(yè)應用也將成為必然趨勢[2]。目前，學者們在此領域作了大量的研究，比如基于傳統(tǒng)的濾波器[3]的方法，此方法需
絲綢 2019年11期2019-11-15
- 基于局部邊緣灰度統(tǒng)計特性的深色疵點提取
我們稱之為“深色疵點區(qū)域”。通常隨著棉花軋工質量的下降，深色疵點數(shù)目有增加的趨勢?？梢哉f深色疵點信息的多少是事關棉花軋工質量優(yōu)劣的重要特征之一。但深色疵點的提取面臨兩個主要難點：第一，深色疵點的面積相對于整幅圖像的大小，幾乎可以忽略；第二，不同光照條件下，深色疵點區(qū)域的灰度均值有明顯的不同。理論分析及試驗經(jīng)驗表明：單純依賴一般的基于灰度統(tǒng)計特性的閾值估計法，提取深色疵點區(qū)域，不具有光照不變性的特點。為此本文提出一種基于圖像局部邊界灰度統(tǒng)計特性的深色疵點特征
中國纖檢 2019年1期2019-01-12
- 家蠶品種單粒繭絲疵點差異及遺傳性研究初報
13)絲纖維上的疵點是在繭絲的某一部分呈瘤狀、小圈、發(fā)毛或塊狀，以及分裂的絲條和茸毛等畸形現(xiàn)象，在繅絲工藝上稱為繭絲的纇節(jié)或潔凈。在生絲等級的評判指標中，潔凈(亦稱凈度)是影響繭絲等級的重要指標之一，受蠶品種、上蔟環(huán)境、烘繭、繅絲等諸多因素的影響。何斯美[1]等研究表明：潔凈優(yōu)良蠶品種對潔凈不良蠶品種表現(xiàn)為顯性遺傳，而潔凈的遺傳力較高，可以通過育種手段提高潔凈，但潔凈指標的選擇比較繁瑣，連續(xù)逐代開展較困難，育種成本高。本實驗探索利用小黑板機個體繅絲的方法，
四川蠶業(yè) 2018年3期2018-11-19
- 含疵樣片提取過程中拓撲關系的構建及其應用
檢驗，并在布料上疵點部位進行分類標識[2]。服裝打版就是將服裝設計圖做出樣板，即服裝樣片，這個工藝流程現(xiàn)在通常由服裝CAD軟件來完成，本文實驗研究采用DOCAD度卡服裝自動打版排料軟件。自動排料[2]就是將服裝打版出來的樣片按照自動鋪布機上鋪好的布匹尺寸范圍進行自動排布。最后再用手動裁剪或自動剪裁系統(tǒng)將面料裁剪成樣片成品。本文研究對象是在布料進廠外觀質量檢驗后，并采用長方形、圓形、一字形等符號對疵點進行標識后的牛仔布料。通過在自動鋪布機上安裝視覺檢測系統(tǒng)，
紡織學報 2018年9期2018-09-23
- 基于Gabor濾波器和HOG特征的織物疵點檢測
織工業(yè)中，織物的疵點會使其價值降低45%～65%，傳統(tǒng)的織物疵點是通過人工進行檢測，不僅效率低下，而且漏檢率高，研究發(fā)現(xiàn)人工疵點檢測的準確率大概只有60%～75%，不能滿足現(xiàn)在企業(yè)對產(chǎn)品質量的要求［1］。目前基于機器視覺和圖像處理的疵點檢測技術已經(jīng)成為國內外研究學者的熱門研究方向，各種圖像處理算法被研究用于疵點檢測當中，如基于統(tǒng)計的、基于模型的、基于頻譜的方法等，并產(chǎn)生了許多有益的成果［2-3］。其中 Gabor濾波器作為一種重要的時頻分析方法，由于在空間
計算機測量與控制 2018年9期2018-09-19
- 一種改進的織物瑕疵點檢測的非局部稀疏表示方法
類不斷增加，織物疵點的類型也隨之不斷增多，紡織技術的不斷提升導致織物疵點越來越細小，這些因素使得檢測越來越困難，僅憑人工檢測難以達到質檢要求和消費者需求.因此開發(fā)一種具有高檢測精度和效率的自動檢測模型非常必要.本文基于非局部集中稀疏的檢測模型進行了優(yōu)化改進，改進后的模型先對無缺陷的樣本集圖片進行訓練學習，再將存在疵點的樣本進行檢測.本文組織如下：第一節(jié)介紹織物疵點及疵點檢測的已有方法；第二節(jié)是本文的主要工作，優(yōu)化改進了非局部集中稀疏表示的檢測模型；對于該模
商丘師范學院學報 2018年9期2018-07-10
- 改進頻率調諧顯著算法在疵點圖像分割中的應用
430074)疵點圖像分割精度對織物等級自動評定的準確性具有重要意義[1]。圖像分割方法主要有閾值分割法[2]、區(qū)域分割法[3]和邊緣分割法[4]等。閾值分割方法計算簡單，運算效率高，被廣泛應用。最大類間方差法(OTSU)是典型閾值分割法，該方法依據(jù)背景和目標區(qū)域間最大類間方差來獲取門限值，將圖像背景和目標區(qū)域分離。為使織物圖像的疵點和背景區(qū)域間的類間方差增大，需對織物圖像進行顯著處理，提高織物疵點和背景區(qū)域的對比度。常用的圖像顯著性區(qū)域提取方法有：譜殘
紡織學報 2018年5期2018-05-24
- 改進頻率調諧顯著算法在疵點辨識中的應用
產(chǎn)大國，提高面料疵點檢測準確率對提升紡織品質量和競爭力具有重要意義[1]。Gabor濾波簇具有多尺度、多方向濾波能力，可有效地克服疵點圖像對比度低的影響，提高疵點檢測準確率[2-3]；但是，Gabor濾波簇存在濾波器數(shù)量多、運算量大的問題，使疵點檢測耗時較長[4]。頻率調諧顯著算法(FT)[5-6]從頻域角度出發(fā)，對真彩圖像進行高斯低通濾波，然后將圖像轉換到Lab空間，針對每個顏色通道計算單個像素與整幅圖像的平均色差，將3個通道的平均色差平方和作為該像素的
紡織學報 2018年3期2018-03-16
- 基于行向S變換的布匹圖像疵點檢測方法*
S變換的布匹圖像疵點檢測方法*趙翠芳， 秦悅桐， 黃學優(yōu)， 張長江(浙江師范大學 數(shù)理與信息工程學院,浙江 金華 321004)受光照條件影響，實際生產(chǎn)車間采集的布匹圖像中，其疵點和紋理背景差異不明顯，現(xiàn)有的布匹疵點檢測方法適應性較低.為提高疵點檢測率，提出一種基于行向S變換的布匹疵點檢測方法.首先，通過分析周期性紋理布匹圖像在行方向上的S變換系數(shù)特點，確定布匹紋理頻率，去除規(guī)則性紋理，只剩下疵點和干擾部分；然后，采用閾值分割，提取疵點信息；最后，根據(jù)疵點
浙江師范大學學報（自然科學版） 2016年4期2016-12-06
- 基于灰度共生矩陣與反向投影的織物疵點檢測
與反向投影的織物疵點檢測孫國棟，林 松，艾成漢，趙大興(湖北工業(yè)大學 機械工程學院，武漢 430068)針對織物疵點檢測，將灰度共生矩陣(Gray-level Co-occurrence Matrix，GLCM)與反向投影結合起來，提出了一種基于GLCM的反向投影方法(GLCM-BP)；首先介紹了GLCM-BP的原理，然后給出了織物疵點檢測流程，分析并優(yōu)化了GLCM的距離d與灰度級N等參數(shù)，選擇了相應的濾波與自適應閾值分割方法以檢測疵點，同時給出了7種常見
計算機測量與控制 2016年7期2016-10-28
- Loepfe：消除云織疵點的清紗器
pfe：消除云織疵點的清紗器轉杯紡的周期性疵點會影響最終成品織物的質量。由于這種疵點的周期性，即便紗線直徑方向上很小的變化，也會呈現(xiàn)在織物上，即出現(xiàn)云織疵點(圖1)。為避免這種效應帶來的影響，需要在轉杯紡紗機上安裝光學清紗器。3N1型和1N1型清紗器為瑞士Loepfe公司采用光學傳感技術設計的兩種清紗器，能夠準確地檢測紗疵。圖1 周期性紗疵會在織物上形成云織疵點清紗器的傳感頭能檢測的紗線線密度范圍為10～197 tex，適應的最大紡紗速度可達400 m/m
國際紡織導報 2016年4期2016-10-26
- 生絲疵點識別方法及其應用
5021)?生絲疵點識別方法及其應用王歡， 許建梅(蘇州大學 紡織與服裝工程學院，江蘇 蘇州 215021)摘要:主要探索生絲電子檢測設備的軟件部分。根據(jù)國際標準中各類疵點的定義，建立各類疵點的識別方法，并編寫相應的計算機識別程序。在建立各類疵點的識別方法時，根據(jù)疵點的出現(xiàn)方式，分別建立通用識別方法與特殊識別方法。在特殊識別方法中分別采用了百分比法和疵點定義法來建立相應的計算機識別算法及識別程序；通過對這兩種識別算法的識別結果進行分析，并比對兩種識別算法適
絲綢 2016年2期2016-08-13
- 應用Gussian回代交替方向圖像分解算法的色織物疵點檢測
分解算法的色織物疵點檢測景軍鋒， 范曉婷， 李鵬飛， 張 蕾， 張宏偉(西安工程大學 電子信息學院， 陜西 西安 710048)針對傳統(tǒng)的人工織物檢測方法效率低，穩(wěn)定性差，處理速度慢的問題，提出了基于Gaussian回代交替方向(ADMG) 圖像分解的色織物疵點檢測算法。首先對疵點織物進行直方圖均衡化的預處理操作，以減少織物背景紋理信息對織物疵點檢測產(chǎn)生的影響。然后采用總方差范數(shù)與Sobolev空間中的半范數(shù)相結合的Gaussian回代交替方向的圖像分解算
紡織學報 2016年6期2016-07-12
- 基于正交小波分解的織物疵點檢測
交小波分解的織物疵點檢測楊 亞，薛云燦，沙 偉，吉 玲（河海大學物聯(lián)網(wǎng)工程學院，常州213022）為了克服傳統(tǒng)人工目測勞動強度大、誤檢率高、漏檢率高以及現(xiàn)有疵點檢測方法檢測精度低的問題，提出一種基于正交小波分解的織物疵點檢測方法，以提取的特征值相對誤差大小代替歸一化相對特征值作為判斷疵點是否存在的標準。實驗結果表明，此種方法比傳統(tǒng)方法檢測精度高。正交小波分解；疵點檢測；相對誤差1 引 言長期以來，布匹的質量檢測通常是由檢驗人員進行人工目測，這種方法極易造成
微處理機 2015年3期2015-08-07
- 基于小波變換與局部熵的織物疵點檢測方法
換與局部熵的織物疵點檢測方法顧 菁，薛云燦，張 龍，楊 亞（河海大學物聯(lián)網(wǎng)工程學院，常州213022）針對傳統(tǒng)人工目測以及現(xiàn)有疵點檢測方法檢測精度與效率不高的問題，結合基于小波變換的織物疵點檢測方法和基于局部熵的織物疵點檢測方法各自的特點，提出了一種基于小波變換與局部熵的織物疵點檢測方法。該方法對正?？椢锱c待測織物圖像進行一層小波變換，采用大小相同且不完全重疊的局部窗口提取正?？椢锱c待測織物圖像的經(jīng)向細節(jié)子圖像局部熵與緯向細節(jié)子圖像局部熵，計算正?？椢镒訄D
微處理機 2015年5期2015-08-07
- 織物疵點的圖像信息檢測方法
00387）織物疵點的圖像信息檢測方法韓曉軍，黃 雷（天津工業(yè)大學電子與信息工程學院，天津 300387）針對織物破洞、斷經(jīng)、跳花和漿斑這4種類型疵點的特征，提出一種基于圖像信息的檢測方法.根據(jù)織物疵點的幾何特性選擇結構元素，應用形態(tài)學運算突出疵點形狀信息，應用灰度積分投影法確定織物疵點的位置信息，然后分析紋理特征，提取織物疵點面積、周長等特征參數(shù).結果表明：本方法克服了經(jīng)典邊緣檢測算子只能給出疵點輪廓的弊端，利用圖像信息檢測進行計算機輔助驗布，對于紡織信
天津工業(yè)大學學報 2015年5期2015-03-15
- 應用目標稀少特征的織物疵點圖像分割
10048)織物疵點檢測是紡織品質量檢驗的重要環(huán)節(jié)之一。傳統(tǒng)的織物疵點檢測由人工離線完成，這種檢驗方法存在著較高的誤檢率和漏檢率，檢測效率低下，驗布具有滯后性［1］，難以滿足在線檢測的需要［1－3］。隨著計算機圖像處理技術的發(fā)展，基于機器視覺的織物疵點檢測算法的研究成為熱點課題。目前，關于織物疵點檢測算法眾多，有不少學者采用自適應閾值分割的方法用于織物疵點檢測［4］。Otsu法是一種常見的圖像分割方法，是通過最大類間方差獲得分割閾值，然而這種分割方法分割織
紡織學報 2015年11期2015-03-10
- 編織物疵點檢測及類型識別
00387編織物疵點檢測及類型識別韓其睿，池楠天津工業(yè)大學計算機科學與軟件學院，天津 300387基于編織物常見的幾種疵點為研究對象，利用改進的相角變換算法對編織物疵點進行特征提取，并在此基礎上利用馬氏距離對編織物二值化以實現(xiàn)疵點檢測，利用幾何數(shù)學原理實現(xiàn)對編織物疵點的分類。方法實現(xiàn)簡單，相對于以往的編織物疵點檢測，不僅使檢測出的疵點形狀大小更接近疵點原樣，又能檢測出不易察覺的小疵點，并且對于點、線、塊狀的疵點檢測都有良好的效果，使得編織物疵點類型識別更加
計算機工程與應用 2014年21期2014-09-12
- 基于紋理結構異常的織物疵點檢測算法研究
紡織工業(yè)生產(chǎn)中，疵點檢測是質量控制的關鍵環(huán)節(jié)。據(jù)統(tǒng)計，二等布匹的價格是一等布匹的45%～65%。然而，目前疵點檢測主要依靠人工檢測，這是一項繁重和重復的工作。由于長時間工作，工人出現(xiàn)錯誤不可避免，而且只能檢測出主要疵點的60%～75%[1]。因此，織物疵點的自動檢測是一個研究熱點?？椢?span id="j5i0abt0b" class="hl">疵點的檢測可以分為基于統(tǒng)計的織物疵點檢測方法、基于模型的織物疵點檢測方法、基于時頻譜分析的織物疵點檢測方法等。基于統(tǒng)計的織物疵點檢測是利用紋理分析技術進行疵點檢測的方法，通過
中原工學院學報 2014年3期2014-04-01
- 基于Gabor濾波器組與BP神經(jīng)網(wǎng)絡的簾子布疵點檢測研究與實現(xiàn)
生產(chǎn)過程中，布面疵點決定產(chǎn)品質量，布匹表面疵點檢測是生產(chǎn)過程中一個重要環(huán)節(jié)。長期以來，織物疵點的檢測工作幾乎都是由人工視覺來實現(xiàn)的，檢測結果受驗布人員主觀因素影響，導致誤檢率、錯檢率較高[1]?；趫D像分析的織物疵點自動檢測技術已代替?zhèn)鹘y(tǒng)的人工視覺，成為織物疵點檢測領域研究的熱點。本文結合從企業(yè)得到的簾子布疵點圖像與國內外相關研究文獻，利用Gabor濾波器組、最大熵閾值分割和BP神經(jīng)網(wǎng)絡原理，提出了一種新的簾子布疵點檢測方法。該方法采用Gabor濾波器組對
中原工學院學報 2014年3期2014-04-01
- 基于小波能量的簇絨地毯跳紗疵點的檢測方法
對于簇絨地毯中的疵點都是通過人工檢測，檢驗人員按照個人經(jīng)驗對地毯等級做出評定，這種方法受檢驗人員的主觀因素影響較大［2］，效率低、漏檢率高，且勞動強度大，難以得到準確的檢驗結果。基于機器視覺的疵點檢測技術具有快速、準確和低成本等特點，可以有效解決地毯疵點的在線檢測問題。簇絨地毯的疵點種類很多，有破損、臟污、跳紗、斷紗等，均呈現(xiàn)復雜的外觀形態(tài)。疵點可以產(chǎn)生于生產(chǎn)過程中的任何階段，而且地毯紗線較粗，紋理粗糙，地毯的顏色和式樣也多種多樣，這都為疵點檢測帶來一定的
絲綢 2013年6期2013-09-18
- 基于GMRF模型的統(tǒng)計特征畸變織物疵點識別
統(tǒng)計特征畸變是指疵點區(qū)域的統(tǒng)計紋理特征與標準織物產(chǎn)生了較大的差異，如松經(jīng)、跳花、云織等。它們一般采用統(tǒng)計紋理分析方法來進行自動檢測，其中采用紋理模型來分析圖像的統(tǒng)計紋理特征是紋理分析的有效方法之一。在紋理分析中引入紋理模型的最大優(yōu)點在于:紋理模型能夠從統(tǒng)計的角度，通過其模型參數(shù)高效地表示任意一幅圖像信息。隨機場紋理模型是一類重要的紋理模型，它在圖像處理和分析中應用非常廣泛［1］。目前較為流行的隨機場紋理模型有2類:一類為 ARMA紋理模型［2］，另一類為M
紡織學報 2013年4期2013-03-10
- 基于二維Gabor濾波器的非織造布疵點檢測
濾波器的非織造布疵點檢測陳 琳a，汪 軍a，b，李立輕a，陳 霞a（東華大學a.紡織學院；b.紡織面料技術教育部重點實驗室，上海 201620）針對非織造布疵點自動檢測問題，提出一種基于二維Gabor濾波器的非織造布疵點檢測方法.該方法采用3個尺度和4個方向的濾波器分別對經(jīng)過Gamma矯正以及同態(tài)濾波處理的正常圖像和疵點圖像進行濾波，進而得到偏差圖像，并做融合處理，經(jīng)二值化后將疵點從織物背景中提取出來，從而實現(xiàn)非織造布的自動檢測.試驗結果表明，該方法對非織
東華大學學報（自然科學版） 2012年6期2012-09-17
- 圖像處理在織物表面質量檢測評定中的應用
織物；圖像處理；疵點檢測；表面質量長期以來，織物質量檢測都主要依賴人工目視完成，其過程不僅容易引起驗布人員疲勞，而且檢測結果受檢驗人員主觀因素影響較大。而利用圖像處理技術可以減少主觀因素影響，客觀評定紡織品的外觀和內在質量，是提高勞動生產(chǎn)率、保證產(chǎn)品質量的重要手段[1]。因此，自20世紀90年代以來，基于圖像處理的織物疵點自動檢測技術已代替?zhèn)鹘y(tǒng)的人工視覺，成為織物質量檢測領域研究的熱點。1.織物表面織物是指用紡織纖維制造而成的片狀物體[2]?？椢锟煞譃闄C織
電子世界 2012年19期2012-07-12
- 疵點記憶式安全過帶功能在可逆式板帶軋機生產(chǎn)中的應用
卷區(qū)或點(統(tǒng)稱‘疵點’)通過軋制變形區(qū)之前，機組自動降速按限定的速度通過疵點區(qū)域，然后再自動升速恢復機組的正常生產(chǎn)速度。完成有瑕疵的帶卷區(qū)或點在限定速度內安全通過軋制變形區(qū)的功能，防止機組斷帶、跑偏等現(xiàn)象的發(fā)生。使得這種方法可行、可靠，而且在實際使用時操作簡單方便。在實際應用中得效果良好。傳統(tǒng)的金屬板帶材加工機組由左右卷取機、左右軋線線速度測量輥、主軋機(也可以是類同設備)、左右上卷、卸卷小車等設備組成，如圖1所示。左右卷取機設備為恒張力控制，主軋機為速度
重型機械 2011年4期2011-11-18
- 改進的基于最大熵和Gabor濾波器的織物疵點檢測＊
62021)織物疵點檢測是近年來國內外學者在圖像領域的熱門研究課題之一。本文在結合國內外相關參考文獻[1-10]的基礎上，針對從企業(yè)獲取的疵點圖像，利用最大熵原理和Gabor濾波器技術，提出了一種新的基于最大熵和Gabor濾波器的織物疵點檢測方法。該方法首先對預處理后的圖像采用兩個Gabor濾波器分別進行水平和垂直方向濾波的模值圖像，然后對模值圖像分別利用最大熵閾值分割，再融合分割后的二值圖像并進行形態(tài)學處理，最后通過計算輪廓面積和周長的方法去掉小的孤立點
網(wǎng)絡安全與數(shù)據(jù)管理 2011年13期2011-08-14
- 針織疵點的形貌分析、界定及檢驗控制
0）應用技術針織疵點的形貌分析、界定及檢驗控制史麗梅1，王 群2（1.中國石化儀征化纖股份有限公司技術中心，江蘇 儀征 211900；2.中國石化儀征化纖股份有限公司短纖中心，江蘇 儀征 211900）利用掃描電子顯微鏡對針織織物、針織紗中的疵點、原料纖維生產(chǎn)檢驗中機檢疵點、物檢毛絲的形貌進行分析，探討幾種疵點形貌的差異、成因的不同及防治措施，指出針織面料上的疵點是機檢法難以檢驗出的小疵點，造成的危害較大。提出針織疵點專用檢驗方法——染色手撿法。針織疵點
合成技術及應用 2011年1期2011-04-05
- 一種基于OpenCV的織物疵點檢測方法
penCV的織物疵點檢測方法陸趣趣，陳傳克，徐曉龍，虞 佳，賈小軍(嘉興學院 數(shù)學與信息工程學院, 浙江 嘉興 314001)在織物疵點自動檢測開發(fā)中，傳統(tǒng)的圖像處理代碼編寫繁瑣、效率不高。OpenCV具有較強的圖像處理能力且提供了豐富的圖像處理函數(shù)，可以把OpenCV運用到織物疵點檢測上。以斷經(jīng)、緯疵樣本為例，提出在OpenCV環(huán)境下采用閾值分割提取疵點圖像，利用形態(tài)學技術實現(xiàn)噪點分離及斷線連接。邊緣檢測實現(xiàn)了疵點圖像在原圖像中的準確定位。實驗結果表明，
絲綢 2010年4期2010-11-16
- 基于小波靜態(tài)分解的離散小疵點檢測
靜態(tài)分解的離散小疵點檢測管聲啟1，2，石秀華2，王 筠1（1.西安工程大學 機電工程學院，西安 710048；2.西北工業(yè)大學 航海學院，西安 710072）在分析織物疵點特點的基礎上，提出了一種新的檢測方法.首先根據(jù)正常織物小波分解后的能量來確定小波基和小波分解層數(shù).接著對測試圖像進行小波靜態(tài)分解，然后提取子圖中的子窗口標準差作為提取的特征；在此基礎上，通過與正常子圖中的特征相比較來判斷小疵點是否存在.最后通過提取特征構造的標準差圖確定小疵點的位置.實驗
天津工業(yè)大學學報 2010年5期2010-01-09