皮革表面缺陷检测的研究现状及展望

孙毅，张明，高延鑫（陕西科技大学机电工程学院，陕西西安710021）

皮革表面缺陷检测的研究现状及展望

孙毅，张明，高延鑫
（陕西科技大学机电工程学院，陕西西安710021）

摘要：皮革表面缺陷检测是利用机器视觉技术将皮革表面的非正常区域即缺陷区域从背景中分割出来。本文对当前国内外在皮革表面缺陷检测方面的研究现状进行了综述，包括皮革表面缺陷检测的基本概念，机器视觉技术的基本原理，皮革表面缺陷检测技术的应用现状以及机器视觉技术在皮革表面缺陷检测方面的应用。指出了当今国内外皮革表面缺陷检测技术所存在的问题及进行优化的方向，并展望了发展趋势。

关键词：皮革缺陷；缺陷检测；视觉技术；研究现状；展望

前言

随着人们的生活质量不断提高以及世界各国皮革产品的生产消费向质量型转变，人们对皮革产品的质量要求越来越高。虽然经济在快速发展，但皮革行业的发展明显滞后，主要原因是皮革行业的自动化水平发展较慢。所以现在皮革产品的加工过程中，皮革表面缺陷的查找会直接影响生产效率和生产质量。为了有效地利用原材料和避免次品混入成品中，就需要对产品进行检测。但是长久以来，这些检测的过程基本都靠手工实现，生产效率低，成本高，效果也不好。随着机器视觉技术的发展，手工检

测过程现在慢慢的转变为计算机检测。但如何更加快速简便、科学有效地检测皮革表面缺陷，仍然是急需解决的问题。本文将对皮革表面缺陷检测的研究现状进行综述与展望。

1　皮革表面缺陷与视觉检测原理概述

1.1皮革表面缺陷概述

皮革缺陷会影响皮革的利用率和原材料成本。为了有效利用原材料和避免次品混入成品中，需要对原材料和产品进行检测。皮革缺陷的种类比较多，可以将缺陷分为三个时期，按照动物生存期、屠宰过程及原始材料加工处理过程进行分类。生存期存在的缺陷包括伤疤、鞭花、虫咬等；屠宰过程存在的缺陷包括刀洞、烫伤、针孔等；原始材料加工过程中存在的缺陷包括裂面、掉浆、油霜等[1]。

1.2视觉检测原理

视觉检测的基本原理：在一定的光照条件下，利用电荷耦合器件（CCD）作为图像传感器对被检测物表面进行扫描、采集图像，然后运用图像处理、模式识别等技术对图像进行处理，提取相关的图像特征，根据图像特征的内在规律进行识别分类或瑕疵检测，最后得到所需的检测结果[2]。

2　国内外研究现状

近20多年来，皮革表面缺陷检测技术快速发展，主要以基于机器视觉检测方法为主。研究人员提出了许多不同的基于机器视觉的检测方法，主要体现在不同的分割算法上。检测方法主要分为四种：基于灰度同现矩阵的统计方法、基于Gabor滤波器的纹理分割算法、基于傅里叶变换的检测算法和基于香农小波分解的纹理主频检测方法[3]。

2.1国外研究现状

Kwon Jang-Woo等[4]提出使用直方图的分布可以判断皮革有无缺陷的方法，再根据有缺陷的皮革的灰度级的分布范围计算每一类缺陷的大小，但这种方法只能判断皮革有无缺陷，不能对皮革缺陷进行定位。

Georgieva等[5]提出一种模糊逻辑的方法，这种方法基于灰度直方图的X2准则来检测瑕疵，其利用了灰度直方图的旋转和比例不变性、不受视角变化影响的特点来进行特征分析处理。由于特征值少，计算处理速度相对较快，但容易受灰度空间分布影响。

Kittler J等[6]用最小误差阈值法来进行瑕疵检测，利用图像的单峰值直方图寻找最优的阈值进行缺陷检测，其优点是便于处理单峰值直方图图像，但处理颜色暗或者接近黑色时检测质量差。

Huang Tse-Yun等[7]利用傅里叶变换使用基于全局图像重构的方法去除随机纹理图像中的重复性、周期性结构。随机纹理包含各向同性结构，频谱图像中频率成分的伸展是各向同性的并且形成了一个近似圆的形状。此方法的优点是不需要预存的纹理图像做参考或任何无缺陷样本的纹理信息。

Adamo F等[8]采用小波重构的方法对皮革、织物的表面进行了缺陷检测，此方法不依赖于相邻像素之间的局部纹理特征，而是用多分辨率的小波变换来重构图像。

Tsai D M等[9]提出了一种基于Gabor Filter的检测方法，此方法是基于计算待处理图像与某个特定Gabor函数卷积后的能量输出，Gabor Filter的参数应满足同质区域的输出能量接近于0，而任何缺陷会产生大的能量输出值，然后用设定的阈值来判断滤波图像的完好与否。这种方法的优点是结构性纹理和统计纹理都适用，缺点是需要预先获得无缺陷样本求取最优参数而且领域窗的大小对结果由影响，邻域窗必须能够包含局部纹理的重复性和空间排列情况，太大的窗会增加计算量，窗口太小会忽视小的缺陷，同时常数因子c的选择也要经过衡量，否则会影响检测效果。

Lopez等[10]提出一种随机色彩质地的缺陷检测方法，是基于T2的统计法，并且源于近年来应用统计领域的MIA（多元图像分析）。结合PCA分析从RGB数据矩阵中提取特征空间。此方法的优点是仅用一个主成分（一个特征向量）就可以达到最好的

效果，实验表明了一个训练样本就足够建立特征空间和累积直方图。计算量大大减少，更加适合实时处理。

2.2国内研究现状

崔杨等[11]提出了一种基于改进模糊C-均值算法的皮革缺陷检测算法，该算法根据皮革图像的特点，计算其共生矩阵的多个测度作为像素的特征向量，并用模糊聚类法对像素进行分类。此方法提高了检测的精度，但计算量大，不能满足整个皮革工业的自动化实时检测。

刘利华等[12]根据模糊数学的基本概念和原理，建立了模糊数学在皮革制品质量综合评判中的应用模型，用丰满性、柔软性、弹性、粒面等指标对皮革及其制品质量进行了综合评判，有一定的应用价值。

辛登科等[13]提出了一种基于类间方差和类内方差的自适应确定分割区域数的方法。此算法可以比较准确的检测出皮革表面缺陷信息。

贺福强等[14]采用了小波重构的方法对皮革表面进行了缺陷检测。其原理为应用小波基函数在较优的分解级数上对纹理图像进行分解，然后在最佳的分辨率级数上正确的选取平滑图像或者细节图像来重建图像。此方法有效，可用于实时在线检测。

常竞[15]对皮革缺陷进行了分门别类的检测，提高了缺陷检测的精度，但皮革缺陷中色差、污斑等不容易检测出来。

于彩香[16]根据纹理图像中缺陷区域灰度值和背景中像素之间的相关性来识别缺陷。其原理是在灰度游程矩阵的基础上，但不通过矩阵提取特征来判断每个小窗口是否属于缺陷区域，是通过游程和图像的灰度差值标记每个像素来分割图像，然后分离出缺陷区域。

李健等[17]使用改进决策树结合前馈神经网络选择最优分类属性的方法，对皮革表面的缺陷自动检测，弥补了神经网络分类处理时间长的不足。

陈虹[18]采用基于纹理的分析方法，即采用将灰度共生矩阵和改进的模糊C-均值聚类两者相结合的方法进行图像分割，得到缺陷区域。

图1　格柏公司TaurusXD数控裁床

图2　Lectra公司VectorFashion MP裁床

3　国内外皮革视觉检测系统的应用现状

3.1国外皮革视觉检测系统的应用现状

国外的视觉检测研究较早，已经取得相应的研究成果，并将其转化成了产品。

美国格柏科技有限公司推出了Taurus XD皮革裁剪系统，该系统取消了纸样模板，避免了操作员参与检测皮革，提高了系统的安全性[19]。此系统能实现彩色皮革图像的采集、瑕疵识别，可以减少4% ～10%的浪费。通过CCD扫描已标记瑕疵区域的皮革，不同的色彩代表不同级别的瑕疵点，根据这些标记，提取出瑕疵区域。图1是格柏公司TaurusXD数控裁床。

法国力克公司是业界领先的裁剪技术及配套服务供应商，可为皮革用户提供从设计、制造到零售的全面技术解决方案和相应服务[20]。图2是Lectra公司的VectorFashion MP裁床，该机床以电子形式

记录皮革和瑕疵信息，把皮革瑕疵划分为6个质量等级进行处理。

3.2国内皮革视觉检测系统的应用现状

国内研究起步较晚，相关研究也较少，虽然提出了一些皮革瑕疵的检测方法，但相关成果难以推广，国内大多数皮革企业仍然采用人工检测。

4　展望

皮革表面缺陷检测及相应的机器视觉技术虽然已发展了20多年，但在实际应用方面还存在许多问题：

（1）许多皮革检测理论与方法关注的角度不同，只针对具体应用要求提出相应的解决方法，一旦环境或者面料改变，一些算法可能会失效；

（2）大多数皮革缺陷检测方法计算量较大，在一般的PC机上不能实时处理；

（3）国外检测系统已有相关产品，但国内还没有，而且国外产品太过昂贵。

今后皮革表面缺陷检测想要进一步发展，就需要将上述问题进行优化：

（1）需进一步研究可用于多种类相关产品的检测方法与系统；

（2）需对算法进行优化或者加快PC机的处理速度；

（3）需要研发一套能对皮革缺陷检测、质量评价的系统，提高我国皮革业的生产效率，降低劳动成本。

参考文献：

[1]魏天全.皮革常见缺陷及解决方法[J].中国皮革，2000，6 （1）：5-8.

[2]贺福强.大面积皮革表面的视觉检测技术与应用研究[D].浙江：浙江大学，2012.

[3]于彩香，邱书波.用于皮革缺陷检测的方法研究[J].皮革科学与工程，2008，18（2）：24-27.

[4]Kwon Jang-Woo, Choo Young-Yeol, Heung-Ho, et al. Development of Leather Quality Discrimination System by texture Analysis[J].TENCON, 2004 IEEE Region 10 Conference,Volume A,2004,35(6):31-23.

[5]Krastev K. Georgieva L. Identification of Leather Surface Defects using Fuzzy Logic[J]. International Conference on Computer Systems and Technologies,2005,21(5):305-310.

[6]Boukouvalas C, Kittler J, Marik R, et al. Color Grading of Randomly Textured Ceramic Tiles Using Color Histograms[J]. IEEE Transactions on Industrial Electronics,1999,46 (1): 219 -226.

[7]Tsai Du-Ming, Huang Tse-Yun. Automated surface inspection for statistical textures [J]. Image and Vision Computing, 2003,26(7): 307-323.

[8]Adamo F, Attivissimo F, Cavone G, Giaquinto N, et al. ARTIFICIALVISIONINSPECTIONAPPLIEDTO LEATHER QUALITY CONTROL [J]. XVIII IMEKO WORLD CONGRESS, 2006,22(6):17-22.

[9]Tsai Du-Ming, Hsiao Bo. Automatic surface inspection using wavelet reconstruction [J]. Pattern Recognition,2001,34 (6): 1285-1305.

[10] Fernando Lopez, Jose Manuel Prats, Alberto Ferrer,et al. Defect Detection in Random Colour Textures Using the MIA Defect Maps [J]. Campilho and M. Kamel (Eds.): ICIAR 2006, LNCS 4142, 2006,25: 752 -763.

[11]崔扬，周泽魁.图像检测技术在皮革缺陷检测中的应用研究[D].浙江：浙江大学，2004.

[12]刘利华，强怀西，罗晓民.模糊评判在皮革及其制品质量评定中的应用[J].中国皮革，2005，34（7）：43-46.

[13]辛登科，张玉杰，胡晶.图像检测技术在皮革缺陷检测排样系统的应用研究[J].皮革科学与工程，2006，6（4）：24-26.

[14]贺福强，王文，陈子辰.基于小波重构的皮革表面检测方法[J].仪器仪表学报，2006，27（6）：25-28.

[15]常竞.鞣制皮革图像分割及缺陷检测的研究[D].四川：四川师范大学，2008：57-68.

[16]于彩香.基于纹理分析的皮革可视缺陷检测方法的研究[D].山东：山东轻工业学院，2009.

[17]李健，韩玮，郑东.一种皮革表面缺陷检测分类方法的研究[J].计算机测量与控制，2010，18（12）：2732-2735.

[18]陈虹.基于纹理分析的皮革缺陷检测的应用研究[D].四川：四川师范大学，2011.

[19]http://www.gerbertechnology.com.

[20]http://www.lectra.com.

Current Situation and Outlook of Leather Surface Defect Detection

SUN Yi, ZHANG Ming, GAO Yan-Xin
(Academy of Mechanical and Electrical Engineering, Shannxi University of Science and Technology, Xi’an 710021 ,China)

Abstract:The leather surface defect detection is to divide the abnormal parts from the perfect background using vision technology of the computer. The research situation of leather surface defect detection at home and abroad are reviewed in this paper, including basic concepts of leather surface defect detection, basic principles of machine vision technology, current situation of the application of leather defect detection technology, and application of machine vision technology in leather surface defect detection. Problems in leather surface defect detection technology at home and abroad, and direction to solve these existing problems are pointed out. And its future development is also forecast.

Key words:leather defect; defect detection; vision technology; research situation; forecast

作者简介：第一孙毅（1989-），男，河南信阳人，硕士，研究方向：机械电子。

收稿日期：2015-09-26

中图分类号：TS 57

文献标识码：A

文章编号：1671-1602（2015）20-0028-04