织物疵点检测中自适应正交小波基的构造

提出了一种用于织物疵点检测的自适应正交小波基的构造方法.该方法从小波滤波器系数满足的正交归一化条件入手,采用一定数量参数角的正弦和余弦函数构造出一定长度的正交小波滤波器系数的统一解析式;以分解子图中像素最大能量值最小作为逼近条件,采用遗传算法作为寻优算法,从而实现针对不同的织物,自适应地构造小波基.同时,实验证明了自适应小波基的对疵点图像分解效果.     

基于改进Radon变换的纬编针织物线形状疵点检测

提出了一种针对纬编针织物疵点形状特征的检测方法.根据纬编针织物部分疵点在图像上灰度差异较小,却呈线形状分布的特点,引入线检测的方法,使用Radon变换定位疵点的位置.同时,结合使用边缘检测方法来改进Radon算法,以找出线段形状疵点的位置与长度,并通过自相关系数的计算来确定拟合出疵点的宽度.试验表明,基于Radon变换的检测方法可以有效地检测出漏针、花针、直稀路、横路等纬编针织物线形状疵点.     

纬编针织物疵点的图像分割方法

分别采用Otsu法和CNN两种方法对疵点图像进行了分割.在比较两种图像分割技术的基础上,提出了一种对于图像增强的预处理方法.用带有破洞、横路和漏针的纬编罗纹针织物作为材料进行实验.结果表明,所提出的图像增强方法对疵点的分割有很好的促进作用.     

Otsu法在织物疵点检测中的研究及应用

在织物疵点检测中,阈值分割是极其重要的一个环节。本文对常用的三种阈值分割算法进行比较,并提出了一种改进的Otsu法。该方法自适应性更强,使分割结果更加完善,最后通过数学形态学处理得到疵点二值图像。仿真实验结果证明了该方法行之有效,值得借鉴。     

单色织物疵点区域快速识别与边缘提取方法研究

结合自适应阈值分割,并基于数学形态学和边缘提取方法,给出一种单色织物疵点区域的快速检测方法。在Visual C++6.0开发环境下,利用OpenCV开发源库,设计开发了疵点区域自动识别与边缘检测程序,对常见的色污、脏污、飞花、掉扣、油纱、锈斑、织破洞、刮线和杂纤维等九种疵点进行检测。结果表明,该算法能够准确定位疵点区域,漏检率低,检测效率高,对实际检测系统的设计开发有实用价值。     

精梳绒线疵点成因与防止办法

1 条干不匀1.1 原因 (1)原料选用不当,质量较差,达不到所纺纱支的要求;(2)几种原料配用,等级差异大,混合不均;(3)粗纱条干不匀率和重量不匀率偏大;(4)细纱牵伸倍数过大或后牵伸太大;(5)罗拉隔距不适当,皮圈钳口的隔距块选择不当;(6)粗纱的含油率过高或过低,油水比例不当;(7)车间温湿度调节不当;(8)前纺工艺道数不够;(9)粗纱捻度过大;(10)罗拉偏心弯曲,在纱条上呈周期性不匀;(11)粗纱退卷回转不匀,产生意外牵伸;(12)导纱动程跑偏或喂入喇叭     

基于熵和变异度的织物疵点图像分割方法

针对现有织物疵点图像分割方法对光照不均匀敏感的问题,提出了一种基于局部熵和变异度的织物疵点图像分割方法。首先对织物图像进行局部熵和变异度计算,提取疵点的类边缘和区域信息;然后基于人工神经网络脉冲耦合（PCNN ）的区域生长法分割织物疵点图像。通过对T ILDA数据库中的疵点图像和基于线阵CCD在线检测的织物疵点图像进行测试,并与已有的相关方法进行对比实验和评价。结果表明,该方法不仅能有效地抑制光照不均匀和复杂背景干扰的影响,而且分割质量有了明显改进。     

基于小波变换的织物疵点检测

本文基于小波变换原理进行织物疵点检测。使用DH-SV 1410FM数字相机采集平纹坯布图样,应用中值滤波和Laplacian算子对图像做去噪和锐化处理。采用Mallat算法对预处理后的图像进行小波分解,分别提取经纬子图的能量、方差、熵、逆差距和极差等特征值,并对提取的特征值进行归一化处理。实验结果表明,疵点使织物图像在经纬方向上产生了不规则的纹理走向,不同类疵点图像的特征值归一化曲线在疵点处有明显的变化。该研究对判断织物是否有疵点的存在、判断疵点的大致走向和确定疵点的位置具有一定的参考价值。     

基于卷积神经网络的布料疵点检测方法

针对传统布料疵点检测准确率低、识别较慢且计算量大问题,提出基于卷积神经网络的布料疵点检测方法,实现增强布料疵点检测鲁棒性、高效性的设计目标。为保证训练结果准确,首先采集数量以千万级为单位的布料图像并进行图像预处理,标记无疵点布料和疵点布料;然后将图像送入设计的卷积神经网络进行训练和测试,获取疵点检测框;紧接着采用改进的NMS分类算法对检测框进行多框合并,减少误检,进一步提高模型检测效果;最后利用设计的特征图分割算法使网络模型脱离GPU显存限制,适用于各种性能计算机。实验结果表明该方法可在实现布料检测高速度、高准确率的同时增强检测方法的鲁棒性。实际检测速度为3fps,准确率可达99.6%,超过现有疵点检测算法,表明该检测方法可应用于对布料要求更高的生产企业。     

基于方法库的织物图像疵点检测

为准确检测织物在生产过程产生的疵点,提出一种基于改进的Gabor滤波方法、数学形态学处理法和多尺度小波检测的方法库的系统检测法.首先采用改进的Gabor滤波方法,选出最优滤波结果,进行高斯平滑,确定正常织物图像的两个阈值门限,进而分割出织物的疵点图像;其次采用数学形态学处理法对织物图像进行检测;最后采用多尺度小波检测的方法,检测最终结果.由于织物的纹理不同,在生产过程中产生疵点的种类众多,算法采用级联检测,保证了检测疵点的准确有效性.试验证明,所提出的算法检测结果较好,能准确定位疵点的位置.