基于機器視覺的染色品色差在線檢測系統(tǒng)的研究與設(shè)計.pdf

1、紡織印染企業(yè)，要提高染色后成品布匹的市場競爭力，在印染領(lǐng)域嶄露頭角，就必須嚴(yán)格控制顏色質(zhì)量這一不可忽視的重要指標(biāo)。傳統(tǒng)的色差檢測主要依靠人工來完成，檢測過程具有很強的主觀性，并且效率低下。將機器視覺引入到色差檢測領(lǐng)域取代人的視覺檢測是不錯的解決方案，具有很大的優(yōu)勢。
　　本文基于機器視覺和圖像處理技術(shù)，對色差檢測理論和算法進行了研究，并將研究理論應(yīng)用于寬幅面、大視角的染色品檢測評價中，解決了圖像采集、圖像拼接、圖像特征提取以及顏色

2、恒常性描述等關(guān)鍵技術(shù)問題。
　　首先研究了照明系統(tǒng)、攝像頭、圖像采集等技術(shù)理論，并在此基礎(chǔ)上選用適合本系統(tǒng)的硬件，整體規(guī)劃了“基于機器視覺的色差在線檢測系統(tǒng)”的總體方案，設(shè)計并搭建了動態(tài)實驗平臺，進行了圖像預(yù)處理算法對比實驗以及三種色差公式性能優(yōu)劣對比實驗，根據(jù)實驗結(jié)果，選擇了適合本系統(tǒng)的圖像處理算法以及色差公式。
　　然后，由于需要采集寬幅面布匹的圖像，安裝了兩臺高性能高精準(zhǔn)度的彩色工業(yè)相機捕捉圖像，然后將采集到的數(shù)據(jù)通過

3、PCI千兆網(wǎng)卡傳輸?shù)絇C機。首先對圖像進行圖像處理，經(jīng)過圖像配準(zhǔn)與圖像融合等步驟拼接成一幅清晰度高、大視場的寬幅面的彩色圖像，可以實現(xiàn)快速圖像拼接，并保證拼接圖像的質(zhì)量。
　　在染色品色差檢測中，光照的不穩(wěn)定變化會嚴(yán)重影響評價結(jié)果，據(jù)此，引入了一種新的模型——改進后的各向異性擴散模型（Perona模型）。傳統(tǒng)的各向異性擴散模型與本文提出的改進后各向異性擴散模型做光照不變處理，最后用紡織行業(yè)比較常用CIEL*a*b*色差公式分析處理

4、效果，并以Datacolor650測色儀的測量結(jié)果作為標(biāo)準(zhǔn)對照。實驗結(jié)果表明，改進后的圖像去噪算法獲得的光照不變圖像可以消除光暈和白斑現(xiàn)象，取得更好的圖像平滑效果，符合人類視覺，為光照不變?nèi)旧飞顧z測提供了保障。
　　為了更好的解決顏色恒常性問題，根據(jù)標(biāo)準(zhǔn)樣品和測試樣本之間的距離來確定誤差限的方法對最小二乘支持向量回歸（LSSVR）算法進行改進，并與以X(1)(1)~X(1)(n)的平均值作為初始值的改進的GM(1,1)模型相結(jié)

5、合，對光源照射下的不同顏色的紡織品進行光照校正?；疑碚撚辛己玫木植績?yōu)化性能，彌補了LSSVR會陷入全局最優(yōu)的缺陷，較好地改善了紡織品光照校正的效果。對比實驗結(jié)果表明，該方法有很好的穩(wěn)定性和校正效果， LSSVR采用分次處理小數(shù)據(jù)的方法減少了光照校正的時間，改進的灰色預(yù)測GM(1,1)模型與改進的LSSVR相結(jié)合后，提高了預(yù)測精度。
　　最后，為了量化染色品色差評價的結(jié)果，引入了色差評價的一致性和均勻性算法，并采用了主元分析法(P

6、rincipal Component Analysis, PCA)進行了數(shù)據(jù)降維處理進一步分析。支持向量機算法（SVM）能很好地解決小樣本的數(shù)據(jù)分類問題，利用此機器學(xué)習(xí)算法建立了色差評價模型，并分別用樸素貝葉斯模型（Naive Bayesian Model，NBM）與最小二乘支持向量機（LSSVM）算法對一致性和均勻性數(shù)據(jù)建模。
　　實驗表明，與傳統(tǒng)樸素貝葉斯方法相比，本文提出的評價算法和評價模型能實現(xiàn)對染色品染色效果的快速準(zhǔn)確評