織物疵點的自動視覺檢測技術(shù)研究.pdf

1、在紡織品生產(chǎn)中，織物的質(zhì)量控制是一項極其重要的工序，在此工序中一般要完成以下兩項任務(wù)：第一，根據(jù)檢測的結(jié)果確定織物的品質(zhì)等級；第二，監(jiān)視紡織設(shè)備的運(yùn)行狀況?？椢锎命c的檢測是織物質(zhì)量控制的核心內(nèi)容之一。在現(xiàn)代工業(yè)技術(shù)的推動下，紡織技術(shù)得到了長足的發(fā)展，生產(chǎn)效率由1965 年的70 米每人每小時增加到1995 年的520 米每人每小時。但與其形成鮮明對比的是，織物疵點的檢測卻依然停留在人工檢測的方式上。該方法存在著檢測速度低（僅有480 米

2、每人每小時），誤檢率和漏檢率高、檢驗結(jié)果受人員主觀因素影響大等缺點。基于以上原因，織物疵點的自動檢測問題是近年來國內(nèi)外學(xué)者共同關(guān)注和研究的熱門課題之一。論文中詳細(xì)分析了基于Gabor 濾波器和基于PCNN 模型兩種織物疵點檢測算法的理論基礎(chǔ)，檢測原理和算法諸參數(shù)的優(yōu)化設(shè)計等問題，并通過對實驗結(jié)果的分析和比較得到了最終的結(jié)論。論文的主要內(nèi)容如下： 1 ．詳細(xì)分析了Gabor 函數(shù)在時-頻域中對紋理圖像頻率和方向的選擇特性，分析了P

3、CNN 神經(jīng)元的行為特征，以及PCNN 模型對灰度圖像多閾值分割的特點。并在此基礎(chǔ)上提出了這兩種檢測算法的基本框架； 2 ．為了得到最理想的檢測結(jié)果，結(jié)合紋理圖像半監(jiān)督分割問題的特點，分別建立了基于正常紋理匹配的Gabor 濾波器、基于缺陷紋理匹配的Gabor 濾波器和基于PCNN模型三種檢測算法的最優(yōu)化參數(shù)設(shè)計模型； 3 ．針對正常織物圖像的Gabor 濾波器響應(yīng)值的分布特點，采用極大似然估計的方法建立了其概率分布估計

4、模型，并以得到的估計結(jié)果來確定區(qū)分織物圖像中正?？椢锖腿毕菘椢锏姆指铋撝?； 4 ．在疵點圖像的Gabor 濾波器響應(yīng)值中存在著一系列的極值點，這些極值點勾勒出了疵點的外形骨架。在此基礎(chǔ)上建立了一種基于Gabor 濾波器的織物疵點外形特征的提取方法； 5 ．在綜合分析了以上幾種優(yōu)化設(shè)計模型特點的基礎(chǔ)上，建立了以遺傳算法為基礎(chǔ)的優(yōu)化模型求解方法； 6 ．詳細(xì)介紹了實驗室中所使用的織物疵點自動檢測裝置，并以簾子布為檢測