疵点
- 基于分类算法的高实时性织物疵点检测
器视觉被引入织物疵点检测,并逐渐替代人工检测。国内外专家和学者进行了深入研究,并陆续提出了许多有价值的织物疵点检测算法。Amet等[1]提出了一种子带共生矩阵方法,利用小波分解将原始图像分解为多个子带图像,并计算共生矩阵特征值,检测精度可达88%;Rosler[2]从共生矩阵中提取新的特征值检测织物疵点,检测精度可以提高到90%;邹超等[3]提出了一种模糊逻辑灰度分类方法,利用少量类别替代256个灰度级,不需要复杂的特征计算即可得到模糊类别共生矩阵,但只适
毛纺科技 2023年8期2023-09-15
- 基于Swin Transformer的两阶段织物疵点检测
，织物表面会出现疵点。疵点的出现不仅会影响织物的质量，还会影响到企业的经济效益。传统的疵点检测方法以人工检测为主，这种方式不但效率低、精度差，而且长时间的工作会对纺织工人的眼睛造成影响。为了提高生产效率，降低人工成本，使用自动检测设备来替代人眼进行疵点检测成了现代纺织企业的追求目标。近年来，随着深度学习的发展，采用深度学习技术对织物疵点进行检测的方法不断地被提出。安萌等［1］提出了一种改进的Faster RCNN织物疵点检测方法，通过对Softmax分类器
棉纺织技术 2023年2期2023-02-21
- 基于深度学习的织物疵点检测研究进展
430200)疵点检测是纺织企业提高产品质量的重要环节。目前，我国大多数企业仍然以人工目测为主，由于人体生理机能的限制，当织物运动速度过快时，手工操作不可避免地会造成人眼疲劳，进而导致误差，这无疑限制了高质量织物的生产[1]。不仅如此，人工检测结果容易受人的主观因素影响，准确率不高。产品质量控制是纺织品生产时必不可少的环节[2]，由于疵点种类繁多，形状不一，如果采用传统的人工检测方法是无法满足效率需求的[3]。纺织企业如果想要提高织物疵点检测的效率，同时
纺织学报 2023年1期2023-02-16
- 织物疵点自动检测方法及应用进展
可能会在布面产生疵点,调查显示,疵点的存在会使纺织品的价格下降45%～65%,织物疵点无疑是一个影响织物品质的重要因素,织物疵点的多少关系着纺织企业的收益,也是公司生产管理水平的象征[2-3]。为了尽量减少织物疵点带来的损失,企业一方面着力提升织造质量,减少疵点的产生,另一方面重点进行织物疵点的检测,尽可能早地发现疵点,进行处理和修复,降低疵点带来的影响。在疵点检测方面,由于织物复杂多样、疵点种类繁杂,人工检测又存在速度慢、工费高、主观性强等问题[4-5]
纺织科技进展 2022年2期2022-11-22
- 宽幅家纺面料中缝疵点的解决措施
，我们称之为中缝疵点。尤其是加工小提花织物时综框在8页以上，中缝疵点更容易出现，并且随着坯布染色而更加明显。通常采取的处理方式有3种：一是拆除前3页综框的中支撑，使前3页综丝尽量聚集，后面综框的中支撑保持不变；二是适当降低前两页综框高度，减少经纱的倾斜角度；三是用胶带将第1页综框两织轴间几根综丝固定在一起，使纱线聚集。上述3种方法虽然能发挥一定作用，但效果不明显，不能彻底解决坯布上的中缝疵点。为此，我们尝试加工了一种经纱聚集辅助工具——铁梳子，将其放置在两
棉纺织技术 2022年11期2022-11-15
- 基于两层次低秩分解的无监督织物疵点检测方法
01620)织物疵点检测是纺织品质量控制过程中的关键环节之一。目前，大多数织物检验方法采用高成本的人工检测，需要大量人工标注信息。因此，探索一种泛化性好、疵点定位精度高和疵点类别分辨能力强的无监督织物疵点检测方法，具有重要的学术价值和应用价值。近年来，针对织物疵点的检测算法主要包含4种方法。一是基于统计的方法，主要包括直方图统计[1]、共生矩阵[2]、显著图重构[3]等。虽然这类方法计算量小, 但是对环境条件敏感, 错检、漏检率较高。二是基于频谱的方法，主
东华大学学报（自然科学版） 2022年5期2022-11-11
- 基于改进RefineDet的织物疵点检测
，因此对织物进行疵点检测，是成品布出厂的最后一道工序，也是控制成布质量的关键环节[1-2]。传统的织物疵点检测方法，主要是以人工检测的方式为主。人工检测需要大量劳动力，且容易受到检测员主观因素和外界环境等客观因素的影响，出现误检和漏检的问题，导致检测效果差[3]。为了提高织物疵点检测的效率，从20世纪90年代开始，研究者们就提出了大量的基于图像处理的织物疵点自动检测方法[4]。不仅如此，自2015年开始，深度学习的方法被引入到织物疵点检测领域，这些方法突破
现代纺织技术 2022年5期2022-09-14
- 基于并行综合学习粒子群算法的织物图像疵点检测
会产生各种各样的疵点并严重影响纺织品的使用价值，因此在验布过程中需要及时检测出疵点[1]。人工方法对织物疵点检测是在无眩光的背面窗旁或日光灯照明条件下通过经验检测。此方法简单，但是存在效率低、漏检率高等缺点，检验结果正确率较低。自动化检测织物疵点已成为对织物质量进行控制和实现织造及验布工序的关键环节，因此受到了纺织行业的关注。目前较为成熟的织物图像疵点检测算法有：小波变换(Wavelet transform,WT)检测方法[2]，如果边缘周围存在与疵点相似
现代纺织技术 2022年4期2022-08-03
- 织物疵点在线检测的神经网络方法研究
形纬编机针织面料疵点的自动检测。在归纳总结针织面料疵点图像学特征的基础上，设计一种可检测织物疵点的深度学习神经网络。基于单阶段目标检测模型YOLOv3，修改网络结构中的两条支路后该网络可参照图像中的背景织物用以识别其上的疵点。并使用深度可分离卷积层降低模型参数、加快检测速度。实验表明，基于YOLOv3改进的纬编针织面料疵点检测算法的mAP（各类别平均准确率的平均值）为81.44%，相较于YOLOv3明显提升。纺织工业中，面料在织造后往往出现各类疵点，影响产
电子世界 2022年1期2022-07-23
- 基于Cascade RCNN 和二步聚类的织物疵点检测
生产过程中，织物疵点控制与检测是极为关键的环节，其质量直接影响面料的市场售价［1］。传统的织物疵点检测主要依靠人工目检，主观性强、检测准确率低且难以满足实时检测需求。随着机器视觉检测技术的发展，其已被应用于织物疵点自动检测。传统的织物疵点视觉检测方法需要根据不同类型疵点的特征人工设计图像特征提取器，当织物纹理和疵点种类变化时，需重新设计特征提取器，适应性差。基于卷积神经网络织物疵点检测算法可以通过自主学习图像多层级特征信息，有效解决特征提取器设计问题，越来
棉纺织技术 2022年7期2022-07-15
- 基于改进Pix2PixGAN的织物疵点检测算法
12000)织物疵点检测在纺织生产的质量控制中起着至关重要的作用。传统的人工疵点检测很容易受到心理等主观条件的影响，导致效率低、精度低、实时性能差[1]。因此，智能织物疵点检测已成为近年来的一种研究趋势。近年来，深度学习在织物疵点检测领域取得了可观的成果，但深度学习网络的检测能力主要依赖于训练数据集的大小和多样性[2]。然而由于织物纹理和疵点的复杂和随机性，难以获得一个包含所有可能的织物纹理和疵点的完整数据集，这限制了深度学习在织物疵点检测领域的进一步发展
毛纺科技 2022年3期2022-04-07
- 主结构提取和多尺度线性滤波的织物疵点检测方法
发展的今天，织物疵点检测自动化是学者们研究的重点方向。现存的有关织物疵点检测[1]方法可以分为统计法[2]、模型法[3-4]、显著性法[5-7]和深度学习方法[8-10]等4类。基于统计法的检测方法要提前构造和预估所需的特征参量信息，以便于通过参量信息分析研究图像中不同区域的统计差异，再利用统计差异为定位疵点提供可靠的依据。ZHANG等使用自相关函数将织物图像划分为子块，并利用平均值和标准差作为统计特征参数，将各子块的区域按有无疵点分为2类，对含有疵点的子
纺织高校基础科学学报 2021年4期2022-01-26
- 基于视觉感知机制的织物疵点轮廓检测①
10048)织物疵点检测是纺织品质量监控中一项最重要的工序, 织物疵点主要指纺织品在纺纱、织造、印染等过程中由于原材料质量、机械故障、工人疏漏等原因造成的表面瑕疵, 不仅对织物成品的质量造成负面影响, 同时会带来较大的经济损失[1].因此, 在坯布进行再加工之前, 需要进行严格的质量检测.然而, 现有的织物质量检测仍多依赖于人工作业, 不仅枯燥且重复性极强, 要求作业工人精力高度集中, 通过视觉发现织物疵点并进行修整和标注, 这种检测方法不仅耗时而且严重伤
计算机系统应用 2021年11期2022-01-06
- 基于总变差的织物疵点分割方法
法实现机织物表面疵点的自动检测一直是近年来的研究热点。根据不同疵点检测算法的检测方式，可将算法分为基于特征提取和基于非特征提取二大类。基于特征提取的算法通常将织物图像分割为多个子图像，提取其特征后利用分类器进行识别[1]。如Latif-Amet等[2]于2000年提出了基于共生矩阵的织物疵点检测方法，利用织物图像的共现特征检查织物纹理的缺陷。Chan等[3]利用傅里叶变换提取了用于中央空间频谱的7个特征参数以进行织物疵点分类。李仁忠等[4]采用基于期望最大
纺织学报 2021年11期2021-11-30
- 一种单、棉服装外观疵点标准样照的研制过程
特别是产品的外观疵点，关系到服装的使用价值，是消费者判断产品质量最直观的指标。标准GB/T 2662—2017《棉服装》，已于2017年12月1日实施[1]。FZ/T 81007—2012《单、夹服装》已于2013年6月1日实施[2]，上述标准对外观疵点的程度要求给出了详细的描述，但实际检测中，由于缺乏与文字标准相对应的疵点样照，检验人员易出现判定结果不一致，同时也对生产企业和消费者造成影响。因此，根据单、棉服装的原料、织造和后整理工艺特征制定一套适用单、
中国纤检 2021年5期2021-05-25
- 基于BP神经网络和随机森林的织物图像疵点判别网络
脑[1]进行织物疵点判别成为可能.BP神经网络由以Rumelhar和McClelland为首的科学家在1986年提出[2].该网络具有很强的非线性拟合能力，被广泛应用于织物疵点判别.李鹏飞等[3]借助织物图像的灰度共生矩阵提取特征，用两层BP神经网络检测图像疵点；周继坤[4]借助玻纤布图像的奇异分解提取特征，用两层BP神经网络判别图像中是否存在疵点；YIN等[5]借助斜纹织物图像的灰度直方图提取特征，用两层BP神经网络判别图像中是否存在两种疵点(破洞和油污
北华大学学报（自然科学版） 2021年2期2021-05-07
- 基于相似性定位和超像素分割的织物疵点检测
10048)织物疵点检测是纺织行业保值增效的重要手段，但织物图像纹理具有多样性和复杂性，是织物疵点检测领域的研究难点。传统的织物疵点大都由经验丰富的员工进行人工检测，该方法不仅存在效率低、成本高等问题，还会产生由于主观因素造成的大量误检、漏检等情况[1]。为解决人工检测带来的问题，数字图像处理和机器视觉等现代技术已被应用于织物疵点检测[2-4]。现有基于数字图像处理的织物疵点检测方法大致可分为以下4类：变换域检测法、数学统计检测法、视觉显著性检测法和深度学
纺织学报 2020年10期2021-01-06
- 应用上下文视觉显著性的色织物疵点检测
量控制阶段，织物疵点检测是其中的一个重要环节[1]。目前，国内外对织物疵点检测算法的研究主要是针对素色织物进行的[2-4]。相较于素色织物，色织物由于颜色等特征的加入，导致检测难度较大，所以目前对色织物疵点检测方法的研究较少，且检测效果大都不理想[5]。其中：Li等[6]提出基于能量局部二值模式的色织物疵点检测算法，通过对无疵参考样本进行训练得出无疵窗格的阈值，最后与待检测图像窗格比较进行疵点检测；Zhu等[7]提出基于自相关函数和局部纹理特征(GLCM)
纺织学报 2020年8期2021-01-05
- 基于低秩分解的织物疵点检测
023)织物的瑕疵点检测是生产流程中的关键步骤，传统人工检测由于工人的视觉疲劳，往往容易造成疵点的误检和漏检[2]。相比于人工检测，机器检测则是通过软件分析采集到的织物图像来标识疵点区，其检测标准更客观，且不存在人工视觉疲劳问题，从而可有效地提高疵点检出率和检测速度。然而，由于织物背景纹理各不相同，疵点类型多种多样，如何准确区分织物的正常纹理和疵点是实现机器检测的关键。针对疵点检测问题，常见的方法有：统计学方法、频域变换法、基于模型的方法、图像分解法等。然
纺织学报 2020年5期2021-01-05
- 基于MF⁃SSD 网络的织物疵点检测
使用人工方法进行疵点检测，由于人工检测成本高、劳动强度大，工人容易受到视觉疲劳和心理因素的影响，导致织物疵点漏检率高，从而降低生产效率，给工厂带来巨大经济损失。为此，在生产过程中引入自动疵点检测迫在眉睫［1］。织物疵点的自动检测算法主要有统计方法、频谱方法、学习方法、模型方法、结构方法［2］。基于统计的方法，ZHU D D 等人［3］提出了一种基于自相关函数和灰度共生矩阵的色织物疵点检测算法，算法加大了复杂度，实时性不强。基于频谱的方法，文献［4］采用粒子
棉纺织技术 2020年12期2020-12-24
- 27种常见的印花疵点及原因分析
1．露白疵点描述：经纱或纬纱的一部分翻转或移动到织物的正、反面，在花纹上呈现出酷似被挠后留下的道道。原因分析：该疵病大多由于色浆渗透不良、印花后的处理不当（张力不匀等）而造成。2．印花色泽不匀（斑点）疵点描述：印花的一部分变成了如同鲨鱼表皮形状那样的花斑。原因分析：该疵病多在色浆粘度不适当、筛网网眼选择不当或贴布不匀等情况下发生。3．渗色（化开）疵点描述：印花花纹的颜色渗出，花型的轮廓不清晰，呈现出模糊不清的色彩。原因分析：色浆粘度低、染料浓度极浓、印花吸
网印工业 2020年10期2020-11-03
- 经编布匹瑕疵点检测方法
)新生产的布匹上疵点的检测，如果采用人工凭肉眼进行检测，难免产生很多问题.随着机器视觉技术的发展，人们将该技术应用于布匹疵点的检测[1-2].目前世界上基于视觉的布匹疵点检测技术，在梭织布、无纺布疵点检测方面有了很好的发展[3-6].然而，对于经编布来说，由于制造工艺的原因，所生产的布匹虽然具有弹性好、可形成独特的花纹及色泽鲜艳、样式美观，但是织线间距大、纹理显著，使得当采用机器视觉方法进行布匹疵点检测时：或者由于疵点的面积大小与网格大小比较接近，而产生误
安徽大学学报（自然科学版） 2020年5期2020-09-15
- 碧玉和它的疵点
红的碧玉中有一个疵点。这令孔雀很伤心，它决定去掉这个疵点。孔雀拿着玉在石头上使劲地磨，玉一层层地被剥了皮，发出一阵阵凄惨的叫声。孔雀说：“我的宝贝呀，我都是为你好，磨掉你身上的疵点，你就会变得完美，你就是世界上最珍贵的宝物了。”孔雀的眼睛死死盯着碧玉的疵点，不停地磨着。至于其他，它都视而不见。不知过了多久，那块碧玉变成了一个小黑点，它是玉的核。一阵风刮来，孔雀的“小黑点”被吹得无影无踪。孔雀好像忽然想起了什么，它大声叫喊着：“我的宝贝呢？”孔雀的碧玉已经化
意林·少年版 2020年16期2020-08-31
- 光电自动验布机的技术现状与发展趋势
寻找织物上的有害疵点，按疵点种类统计数量对布匹评级，并标记位置为后续修布做准备。由于整理工序是纺织品出厂前的最后一道工序，在产品质量控制环节中起着至关重要的作用，而验布又是这一工序的关键环节，所以纺织企业在验布环节投入了大量的人力和物力。目前国内多采用人工验布方式，由检验人员在一定的灯光下观察缓慢运动的布面状况，遇到疵点时停止运动并在相应位置或布边标记，验完一卷布后，再由修布人员根据标记修理布面上的相应疵点。传统的人工验布存在检测效率低、劳动强度大、漏检率
棉纺织技术 2020年7期2020-07-17
- 基于频域分析的毛巾织物疵点检测
如果人工进行织物疵点检测，需要精力高度集中，疵点检测反复、枯燥，而人的精力有限，长时间工作难免会有纰漏或者工作效率会下降，导致检验过程中出现瓶颈。随着工业技术的发展，将图像处理技术运用到织物疵点检测的设计中，实现自动疵点检测为必然的发展趋势[1]。在疵点检测系统中，可靠高效的特征提取算法设计尤为重要，特征提取主要利用织物自身的结构特点及疵点特征等先验知识，提取图像的特征，主要算法有空域特征提取和变换域特征提取两大类方法[1-2]，空域有基于灰度共生矩阵、建
计算机测量与控制 2020年6期2020-06-29
- 基于频率域滤波器的织物疵点检测
了一系列关于织物疵点检测的文章，Chen 等[1]设计了32 个圆形的实Gabor 滤波器，并从中选取两个最优的实Gabor 滤波器用于织物疵点的检测，该检测方法属于空间域上的检测方法.管声启等[2]利用频率域滤波器抑制正常纹理频谱信息，根据重构灰度图像的若干子窗口判别疵点的存在性；刘伟斌等[3]利用含疵点的织物图像的频谱图来设计频率域滤波器，提取疵点信息，借助于重构疵点图像分割出疵点，这类检测方法属于频率域的检测方法.受文献[1-3]启发，本文在频率域上
闽南师范大学学报(自然科学版) 2020年1期2020-06-05
- 噪声干扰下的防羽布疵点检测算法
)0 引 言织物疵点主要是在织造过程中形成的[1]。随着需求的增加、生产效率不断提升[2],生产过程中织物的疵点数目和种类也会随之增多,而产品表面缺陷会降低产品质量和商业价值[3]。研究表明，纺织品的价格会因生产质量的问题而损失45%～65%[4]。目前,国内几乎所有纺织企业仍然釆用传统的人工验布方式进行瑕疵检测,通过人眼观察,手动剔除不合格产品。由于检测劳动强度大,人为检测效率低,漏检率较高,可靠性较差[5],并增加企业劳动成本[6]。采用机器视觉[7]
西安工程大学学报 2020年1期2020-04-08
- 基于光电自动验布机视觉系统的织物疵点检测
3)1 研究背景疵点检测对织物质量控制至关重要，生产中可通过修复或消除织物疵点来提升质量和使用价值，有报道称织物疵点会使其价格减少45%～65%[1]。传统人工检测织物疵点效率低、漏/误检率高，织物质量和企业利润难以保证。统计发现，当一个熟练验布师的验布速度为15 m/min～20 m/min、检测织物幅宽为0.8 m～1.0 m时，其仅可识别出约70%的瑕疵[2-3]。随着自动化技术进步、用工成本的不断上升，纺织厂对自动验布机的需求强劲。当前，自动验布机
纺织器材 2020年1期2020-03-23
- 基于FPGA的图像疵点处理设计与实现
。图1：成像系统疵点处理原理框图在成像与跟踪识别系统中，过多疵点不仅严重影响成像系统的成像质量，而且还会引起对有效目标的错误跟踪与识别，因此非常有必要对图像的疵点进行处理。传统方法是计算机软件处理图像疵点，整个过程需要开发计算机软件，增加额外的数字图像采集设备，而且该方法不适用于模拟成像系统。因此本文提出一种利用FPGA 在线处理疵点的方法，主要包括子图划分、疵点坐标分时计算、排序与存储、疵点流水线补偿等过程。2 原理设计在成像系统中，针对不同的需求，图像
电子技术与软件工程 2019年22期2020-01-16
- 基于十字窗口的经编织物疵点检测
生产过程中，织物疵点不可避免，疵点的产生会影响织物的质量从而降低产品的价格，因此对织物疵点检测是纺织品质量控制的关键环节[1]。目前工厂大多采用人工检测方法，且存在很多弊端：一方面，长时间工作易疲劳，造成漏检或误检；另一方面，人的灵敏度有限，机速过高时，不及时停机会造成过长的疵点，严重影响织物的质量。随着计算机技术的发展，织物疵点在线检测技术在纺织行业应用也将成为必然趋势[2]。目前，学者们在此领域作了大量的研究，比如基于传统的滤波器[3]的方法，此方法需
丝绸 2019年11期2019-11-15
- 基于局部边缘灰度统计特性的深色疵点提取
我们称之为“深色疵点区域”。通常随着棉花轧工质量的下降，深色疵点数目有增加的趋势。可以说深色疵点信息的多少是事关棉花轧工质量优劣的重要特征之一。但深色疵点的提取面临两个主要难点：第一，深色疵点的面积相对于整幅图像的大小，几乎可以忽略；第二，不同光照条件下，深色疵点区域的灰度均值有明显的不同。理论分析及试验经验表明：单纯依赖一般的基于灰度统计特性的阈值估计法，提取深色疵点区域，不具有光照不变性的特点。为此本文提出一种基于图像局部边界灰度统计特性的深色疵点特征
中国纤检 2019年1期2019-01-12
- 家蚕品种单粒茧丝疵点差异及遗传性研究初报
13)丝纤维上的疵点是在茧丝的某一部分呈瘤状、小圈、发毛或块状，以及分裂的丝条和茸毛等畸形现象，在缫丝工艺上称为茧丝的纇节或洁净。在生丝等级的评判指标中，洁净(亦称净度)是影响茧丝等级的重要指标之一，受蚕品种、上蔟环境、烘茧、缫丝等诸多因素的影响。何斯美[1]等研究表明：洁净优良蚕品种对洁净不良蚕品种表现为显性遗传，而洁净的遗传力较高，可以通过育种手段提高洁净，但洁净指标的选择比较繁琐，连续逐代开展较困难，育种成本高。本实验探索利用小黑板机个体缫丝的方法，
四川蚕业 2018年3期2018-11-19
- 含疵样片提取过程中拓扑关系的构建及其应用
检验，并在布料上疵点部位进行分类标识[2]。服装打版就是将服装设计图做出样板，即服装样片，这个工艺流程现在通常由服装CAD软件来完成，本文实验研究采用DOCAD度卡服装自动打版排料软件。自动排料[2]就是将服装打版出来的样片按照自动铺布机上铺好的布匹尺寸范围进行自动排布。最后再用手动裁剪或自动剪裁系统将面料裁剪成样片成品。本文研究对象是在布料进厂外观质量检验后，并采用长方形、圆形、一字形等符号对疵点进行标识后的牛仔布料。通过在自动铺布机上安装视觉检测系统，
纺织学报 2018年9期2018-09-23
- 基于Gabor滤波器和HOG特征的织物疵点检测
织工业中，织物的疵点会使其价值降低45%～65%，传统的织物疵点是通过人工进行检测，不仅效率低下，而且漏检率高，研究发现人工疵点检测的准确率大概只有60%～75%，不能满足现在企业对产品质量的要求［1］。目前基于机器视觉和图像处理的疵点检测技术已经成为国内外研究学者的热门研究方向，各种图像处理算法被研究用于疵点检测当中，如基于统计的、基于模型的、基于频谱的方法等，并产生了许多有益的成果［2-3］。其中 Gabor滤波器作为一种重要的时频分析方法，由于在空间
计算机测量与控制 2018年9期2018-09-19
- 一种改进的织物瑕疵点检测的非局部稀疏表示方法
类不断增加，织物疵点的类型也随之不断增多，纺织技术的不断提升导致织物疵点越来越细小，这些因素使得检测越来越困难，仅凭人工检测难以达到质检要求和消费者需求.因此开发一种具有高检测精度和效率的自动检测模型非常必要.本文基于非局部集中稀疏的检测模型进行了优化改进，改进后的模型先对无缺陷的样本集图片进行训练学习，再将存在疵点的样本进行检测.本文组织如下：第一节介绍织物疵点及疵点检测的已有方法；第二节是本文的主要工作，优化改进了非局部集中稀疏表示的检测模型；对于该模
商丘师范学院学报 2018年9期2018-07-10
- 改进频率调谐显著算法在疵点图像分割中的应用
430074)疵点图像分割精度对织物等级自动评定的准确性具有重要意义[1]。图像分割方法主要有阈值分割法[2]、区域分割法[3]和边缘分割法[4]等。阈值分割方法计算简单，运算效率高，被广泛应用。最大类间方差法(OTSU)是典型阈值分割法，该方法依据背景和目标区域间最大类间方差来获取门限值，将图像背景和目标区域分离。为使织物图像的疵点和背景区域间的类间方差增大，需对织物图像进行显著处理，提高织物疵点和背景区域的对比度。常用的图像显著性区域提取方法有：谱残
纺织学报 2018年5期2018-05-24
- 改进频率调谐显著算法在疵点辨识中的应用
产大国，提高面料疵点检测准确率对提升纺织品质量和竞争力具有重要意义[1]。Gabor滤波簇具有多尺度、多方向滤波能力，可有效地克服疵点图像对比度低的影响，提高疵点检测准确率[2-3]；但是，Gabor滤波簇存在滤波器数量多、运算量大的问题，使疵点检测耗时较长[4]。频率调谐显著算法(FT)[5-6]从频域角度出发，对真彩图像进行高斯低通滤波，然后将图像转换到Lab空间，针对每个颜色通道计算单个像素与整幅图像的平均色差，将3个通道的平均色差平方和作为该像素的
纺织学报 2018年3期2018-03-16
- 基于行向S变换的布匹图像疵点检测方法*
S变换的布匹图像疵点检测方法*赵翠芳， 秦悦桐， 黄学优， 张长江(浙江师范大学 数理与信息工程学院,浙江 金华 321004)受光照条件影响，实际生产车间采集的布匹图像中，其疵点和纹理背景差异不明显，现有的布匹疵点检测方法适应性较低.为提高疵点检测率，提出一种基于行向S变换的布匹疵点检测方法.首先，通过分析周期性纹理布匹图像在行方向上的S变换系数特点，确定布匹纹理频率，去除规则性纹理，只剩下疵点和干扰部分；然后，采用阈值分割，提取疵点信息；最后，根据疵点
浙江师范大学学报（自然科学版） 2016年4期2016-12-06
- 基于灰度共生矩阵与反向投影的织物疵点检测
与反向投影的织物疵点检测孙国栋，林 松，艾成汉，赵大兴(湖北工业大学 机械工程学院，武汉 430068)针对织物疵点检测，将灰度共生矩阵(Gray-level Co-occurrence Matrix，GLCM)与反向投影结合起来，提出了一种基于GLCM的反向投影方法(GLCM-BP)；首先介绍了GLCM-BP的原理，然后给出了织物疵点检测流程，分析并优化了GLCM的距离d与灰度级N等参数，选择了相应的滤波与自适应阈值分割方法以检测疵点，同时给出了7种常见
计算机测量与控制 2016年7期2016-10-28
- Loepfe：消除云织疵点的清纱器
pfe：消除云织疵点的清纱器转杯纺的周期性疵点会影响最终成品织物的质量。由于这种疵点的周期性，即便纱线直径方向上很小的变化，也会呈现在织物上，即出现云织疵点(图1)。为避免这种效应带来的影响，需要在转杯纺纱机上安装光学清纱器。3N1型和1N1型清纱器为瑞士Loepfe公司采用光学传感技术设计的两种清纱器，能够准确地检测纱疵。图1 周期性纱疵会在织物上形成云织疵点清纱器的传感头能检测的纱线线密度范围为10～197 tex，适应的最大纺纱速度可达400 m/m
国际纺织导报 2016年4期2016-10-26
- 生丝疵点识别方法及其应用
5021)生丝疵点识别方法及其应用王欢， 许建梅(苏州大学 纺织与服装工程学院，江苏 苏州 215021)摘要:主要探索生丝电子检测设备的软件部分。根据国际标准中各类疵点的定义，建立各类疵点的识别方法，并编写相应的计算机识别程序。在建立各类疵点的识别方法时，根据疵点的出现方式，分别建立通用识别方法与特殊识别方法。在特殊识别方法中分别采用了百分比法和疵点定义法来建立相应的计算机识别算法及识别程序；通过对这两种识别算法的识别结果进行分析，并比对两种识别算法适
丝绸 2016年2期2016-08-13
- 应用Gussian回代交替方向图像分解算法的色织物疵点检测
分解算法的色织物疵点检测景军锋， 范晓婷， 李鹏飞， 张 蕾， 张宏伟(西安工程大学 电子信息学院， 陕西 西安 710048)针对传统的人工织物检测方法效率低，稳定性差，处理速度慢的问题，提出了基于Gaussian回代交替方向(ADMG) 图像分解的色织物疵点检测算法。首先对疵点织物进行直方图均衡化的预处理操作，以减少织物背景纹理信息对织物疵点检测产生的影响。然后采用总方差范数与Sobolev空间中的半范数相结合的Gaussian回代交替方向的图像分解算
纺织学报 2016年6期2016-07-12
- 基于正交小波分解的织物疵点检测
交小波分解的织物疵点检测杨 亚，薛云灿，沙 伟，吉 玲（河海大学物联网工程学院，常州213022）为了克服传统人工目测劳动强度大、误检率高、漏检率高以及现有疵点检测方法检测精度低的问题，提出一种基于正交小波分解的织物疵点检测方法，以提取的特征值相对误差大小代替归一化相对特征值作为判断疵点是否存在的标准。实验结果表明，此种方法比传统方法检测精度高。正交小波分解；疵点检测；相对误差1 引 言长期以来，布匹的质量检测通常是由检验人员进行人工目测，这种方法极易造成
微处理机 2015年3期2015-08-07
- 基于小波变换与局部熵的织物疵点检测方法
换与局部熵的织物疵点检测方法顾 菁，薛云灿，张 龙，杨 亚（河海大学物联网工程学院，常州213022）针对传统人工目测以及现有疵点检测方法检测精度与效率不高的问题，结合基于小波变换的织物疵点检测方法和基于局部熵的织物疵点检测方法各自的特点，提出了一种基于小波变换与局部熵的织物疵点检测方法。该方法对正常织物与待测织物图像进行一层小波变换，采用大小相同且不完全重叠的局部窗口提取正常织物与待测织物图像的经向细节子图像局部熵与纬向细节子图像局部熵，计算正常织物子图
微处理机 2015年5期2015-08-07
- 织物疵点的图像信息检测方法
00387）织物疵点的图像信息检测方法韩晓军，黄 雷（天津工业大学电子与信息工程学院，天津 300387）针对织物破洞、断经、跳花和浆斑这4种类型疵点的特征，提出一种基于图像信息的检测方法.根据织物疵点的几何特性选择结构元素，应用形态学运算突出疵点形状信息，应用灰度积分投影法确定织物疵点的位置信息，然后分析纹理特征，提取织物疵点面积、周长等特征参数.结果表明：本方法克服了经典边缘检测算子只能给出疵点轮廓的弊端，利用图像信息检测进行计算机辅助验布，对于纺织信
天津工业大学学报 2015年5期2015-03-15
- 应用目标稀少特征的织物疵点图像分割
10048)织物疵点检测是纺织品质量检验的重要环节之一。传统的织物疵点检测由人工离线完成，这种检验方法存在着较高的误检率和漏检率，检测效率低下，验布具有滞后性［1］，难以满足在线检测的需要［1－3］。随着计算机图像处理技术的发展，基于机器视觉的织物疵点检测算法的研究成为热点课题。目前，关于织物疵点检测算法众多，有不少学者采用自适应阈值分割的方法用于织物疵点检测［4］。Otsu法是一种常见的图像分割方法，是通过最大类间方差获得分割阈值，然而这种分割方法分割织
纺织学报 2015年11期2015-03-10
- 编织物疵点检测及类型识别
00387编织物疵点检测及类型识别韩其睿，池楠天津工业大学计算机科学与软件学院，天津 300387基于编织物常见的几种疵点为研究对象，利用改进的相角变换算法对编织物疵点进行特征提取，并在此基础上利用马氏距离对编织物二值化以实现疵点检测，利用几何数学原理实现对编织物疵点的分类。方法实现简单，相对于以往的编织物疵点检测，不仅使检测出的疵点形状大小更接近疵点原样，又能检测出不易察觉的小疵点，并且对于点、线、块状的疵点检测都有良好的效果，使得编织物疵点类型识别更加
计算机工程与应用 2014年21期2014-09-12
- 基于纹理结构异常的织物疵点检测算法研究
纺织工业生产中，疵点检测是质量控制的关键环节。据统计，二等布匹的价格是一等布匹的45%～65%。然而，目前疵点检测主要依靠人工检测，这是一项繁重和重复的工作。由于长时间工作，工人出现错误不可避免，而且只能检测出主要疵点的60%～75%[1]。因此，织物疵点的自动检测是一个研究热点。织物疵点的检测可以分为基于统计的织物疵点检测方法、基于模型的织物疵点检测方法、基于时频谱分析的织物疵点检测方法等。基于统计的织物疵点检测是利用纹理分析技术进行疵点检测的方法，通过
中原工学院学报 2014年3期2014-04-01
- 基于Gabor滤波器组与BP神经网络的帘子布疵点检测研究与实现
生产过程中，布面疵点决定产品质量，布匹表面疵点检测是生产过程中一个重要环节。长期以来，织物疵点的检测工作几乎都是由人工视觉来实现的，检测结果受验布人员主观因素影响，导致误检率、错检率较高[1]。基于图像分析的织物疵点自动检测技术已代替传统的人工视觉，成为织物疵点检测领域研究的热点。本文结合从企业得到的帘子布疵点图像与国内外相关研究文献，利用Gabor滤波器组、最大熵阈值分割和BP神经网络原理，提出了一种新的帘子布疵点检测方法。该方法采用Gabor滤波器组对
中原工学院学报 2014年3期2014-04-01
- 基于小波能量的簇绒地毯跳纱疵点的检测方法
对于簇绒地毯中的疵点都是通过人工检测，检验人员按照个人经验对地毯等级做出评定，这种方法受检验人员的主观因素影响较大［2］，效率低、漏检率高，且劳动强度大，难以得到准确的检验结果。基于机器视觉的疵点检测技术具有快速、准确和低成本等特点，可以有效解决地毯疵点的在线检测问题。簇绒地毯的疵点种类很多，有破损、脏污、跳纱、断纱等，均呈现复杂的外观形态。疵点可以产生于生产过程中的任何阶段，而且地毯纱线较粗，纹理粗糙，地毯的颜色和式样也多种多样，这都为疵点检测带来一定的
丝绸 2013年6期2013-09-18
- 基于GMRF模型的统计特征畸变织物疵点识别
统计特征畸变是指疵点区域的统计纹理特征与标准织物产生了较大的差异，如松经、跳花、云织等。它们一般采用统计纹理分析方法来进行自动检测，其中采用纹理模型来分析图像的统计纹理特征是纹理分析的有效方法之一。在纹理分析中引入纹理模型的最大优点在于:纹理模型能够从统计的角度，通过其模型参数高效地表示任意一幅图像信息。随机场纹理模型是一类重要的纹理模型，它在图像处理和分析中应用非常广泛［1］。目前较为流行的随机场纹理模型有2类:一类为 ARMA纹理模型［2］，另一类为M
纺织学报 2013年4期2013-03-10
- 基于二维Gabor滤波器的非织造布疵点检测
滤波器的非织造布疵点检测陈 琳a，汪 军a，b，李立轻a，陈 霞a（东华大学a.纺织学院；b.纺织面料技术教育部重点实验室，上海 201620）针对非织造布疵点自动检测问题，提出一种基于二维Gabor滤波器的非织造布疵点检测方法.该方法采用3个尺度和4个方向的滤波器分别对经过Gamma矫正以及同态滤波处理的正常图像和疵点图像进行滤波，进而得到偏差图像，并做融合处理，经二值化后将疵点从织物背景中提取出来，从而实现非织造布的自动检测.试验结果表明，该方法对非织
东华大学学报（自然科学版） 2012年6期2012-09-17
- 图像处理在织物表面质量检测评定中的应用
织物；图像处理；疵点检测；表面质量长期以来，织物质量检测都主要依赖人工目视完成，其过程不仅容易引起验布人员疲劳，而且检测结果受检验人员主观因素影响较大。而利用图像处理技术可以减少主观因素影响，客观评定纺织品的外观和内在质量，是提高劳动生产率、保证产品质量的重要手段[1]。因此，自20世纪90年代以来，基于图像处理的织物疵点自动检测技术已代替传统的人工视觉，成为织物质量检测领域研究的热点。1.织物表面织物是指用纺织纤维制造而成的片状物体[2]。织物可分为机织
电子世界 2012年19期2012-07-12
- 疵点记忆式安全过带功能在可逆式板带轧机生产中的应用
卷区或点(统称‘疵点’)通过轧制变形区之前，机组自动降速按限定的速度通过疵点区域，然后再自动升速恢复机组的正常生产速度。完成有瑕疵的带卷区或点在限定速度内安全通过轧制变形区的功能，防止机组断带、跑偏等现象的发生。使得这种方法可行、可靠，而且在实际使用时操作简单方便。在实际应用中得效果良好。传统的金属板带材加工机组由左右卷取机、左右轧线线速度测量辊、主轧机(也可以是类同设备)、左右上卷、卸卷小车等设备组成，如图1所示。左右卷取机设备为恒张力控制，主轧机为速度
重型机械 2011年4期2011-11-18
- 改进的基于最大熵和Gabor滤波器的织物疵点检测＊
62021)织物疵点检测是近年来国内外学者在图像领域的热门研究课题之一。本文在结合国内外相关参考文献[1-10]的基础上，针对从企业获取的疵点图像，利用最大熵原理和Gabor滤波器技术，提出了一种新的基于最大熵和Gabor滤波器的织物疵点检测方法。该方法首先对预处理后的图像采用两个Gabor滤波器分别进行水平和垂直方向滤波的模值图像，然后对模值图像分别利用最大熵阈值分割，再融合分割后的二值图像并进行形态学处理，最后通过计算轮廓面积和周长的方法去掉小的孤立点
网络安全与数据管理 2011年13期2011-08-14
- 针织疵点的形貌分析、界定及检验控制
0）应用技术针织疵点的形貌分析、界定及检验控制史丽梅1，王 群2（1.中国石化仪征化纤股份有限公司技术中心，江苏 仪征 211900；2.中国石化仪征化纤股份有限公司短纤中心，江苏 仪征 211900）利用扫描电子显微镜对针织织物、针织纱中的疵点、原料纤维生产检验中机检疵点、物检毛丝的形貌进行分析，探讨几种疵点形貌的差异、成因的不同及防治措施，指出针织面料上的疵点是机检法难以检验出的小疵点，造成的危害较大。提出针织疵点专用检验方法——染色手捡法。针织疵点
合成技术及应用 2011年1期2011-04-05
- 一种基于OpenCV的织物疵点检测方法
penCV的织物疵点检测方法陆趣趣，陈传克，徐晓龙，虞 佳，贾小军(嘉兴学院 数学与信息工程学院, 浙江 嘉兴 314001)在织物疵点自动检测开发中，传统的图像处理代码编写繁琐、效率不高。OpenCV具有较强的图像处理能力且提供了丰富的图像处理函数，可以把OpenCV运用到织物疵点检测上。以断经、纬疵样本为例，提出在OpenCV环境下采用阈值分割提取疵点图像，利用形态学技术实现噪点分离及断线连接。边缘检测实现了疵点图像在原图像中的准确定位。实验结果表明，
丝绸 2010年4期2010-11-16
- 基于小波静态分解的离散小疵点检测
静态分解的离散小疵点检测管声启1，2，石秀华2，王 筠1（1.西安工程大学 机电工程学院，西安 710048；2.西北工业大学 航海学院，西安 710072）在分析织物疵点特点的基础上，提出了一种新的检测方法.首先根据正常织物小波分解后的能量来确定小波基和小波分解层数.接着对测试图像进行小波静态分解，然后提取子图中的子窗口标准差作为提取的特征；在此基础上，通过与正常子图中的特征相比较来判断小疵点是否存在.最后通过提取特征构造的标准差图确定小疵点的位置.实验
天津工业大学学报 2010年5期2010-01-09