針對人工檢測編織袋缺陷的正確率低與效率較低的問題,提出一種高效的在線檢測編織袋缺陷方法。該方法在線采集編織袋圖像并進(jìn)行圖像處理,消除干擾項(xiàng),準(zhǔn)確檢測編織袋的缺陷。使用均值濾波器、灰度開閉操作對圖像進(jìn)行預(yù)處理,消除圖像中干擾缺陷檢測的黑白條紋與灰度不均勻,降低噪聲。使用差分圖像二值化對圖像進(jìn)行背景分割,提取出孔洞缺陷、拉絲缺陷,以及過大的絲線縫隙、褶皺和黑色物。同時,進(jìn)行開閉運(yùn)算處理,將斷裂的缺陷連接起來并消除過大的絲線縫隙,避免小缺陷的漏檢。利用特征提取與缺陷檢測消除褶皺和黑色物的干擾,檢測出孔洞和拉絲缺陷。實(shí)驗(yàn)結(jié)果表明,500個試樣檢測的平均正確檢測率達(dá)到97.20%,檢測效率為720m/h,檢測結(jié)果正確率高,效率高。 

【文章來源】：激光與光電子學(xué)進(jìn)展. 2020,57(20)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

系統(tǒng)框圖

圖像處理是機(jī)器視覺檢測技術(shù)的核心內(nèi)容，根據(jù)圖像精度和處理程度，圖像處理分為圖像預(yù)處理、圖像分割處理、特征提取與缺陷檢測。圖像預(yù)處理可以去除圖像中由環(huán)境、設(shè)備和光照等在外因素引起的干擾，降低圖像噪聲，凸顯圖像的特征信息，校正圖形的形狀。圖像分割處理是根據(jù)感興趣目標(biāo)，將圖像的特征信息分割成具有不同特性的區(qū)域，包括目標(biāo)區(qū)域與背景區(qū)域。特征提取與缺陷檢測是提取感興趣目標(biāo)的特征值并與標(biāo)準(zhǔn)參數(shù)進(jìn)行對比，篩選出缺陷，缺陷包括影響編織袋質(zhì)量性能的孔洞和拉絲缺陷。本文檢測方法可以準(zhǔn)確地避開圖像上的干擾，正確識別缺陷，準(zhǔn)確判斷編織袋是否合格。編織袋的缺陷檢測的算法流程如圖2所示。4.1 圖像預(yù)處理

由圖3(a）、（b）可知，經(jīng)過算術(shù)均值濾波器的處理，減少了絲線間隙過亮或過暗的干擾，圖像整體平滑，噪聲降低，濾波效果較好。由圖3(a）、（c）可知，經(jīng)由灰度閉操作，消除了圖像中黑色紋路的干擾。由圖3(a）、（d）可知，經(jīng)由灰度開操作，圖像中的緯絲線方向較小明亮細(xì)節(jié)和孔洞已去除干凈；孔洞缺陷的圖像預(yù)處理采用均值濾波、灰度閉操作和灰度開操作，預(yù)處理效果較好，圖像整體平滑，消除黑色紋路的干擾。由圖3(e）、（f）可知，灰度閉操作處理后，圖像中的黑色紋路和拉絲缺陷均被去除。由圖3(g）、（h）可知，灰度閉操作處理后，圖像中的黑色物沒有被消除；拉絲缺陷的圖像預(yù)處理采用灰度閉運(yùn)算，預(yù)處理效果較好，消除了黑色紋路的干擾。4.2 圖像分割處理

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)器視覺的定子表面缺陷檢測系統(tǒng)研究[J]. 戴斌宇,吳靜靜.  傳感技術(shù)學(xué)報(bào). 2019(10)
[2]基于機(jī)器視覺的蕎麥剝殼性能參數(shù)在線檢測方法[J]. 呂少中,杜文亮,陳震,陳偉,蘇日嘎拉圖.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(10)
[3]基于機(jī)器視覺的包裝袋缺陷檢測算法研究與應(yīng)用[J]. 李丹,白國君,金媛媛,童艷.  激光與光電子學(xué)進(jìn)展. 2019(09)
[4]采用機(jī)器視覺的金屬表面橫向裂紋檢測[J]. 王清晨,景軍鋒.  電子測量與儀器學(xué)報(bào). 2018(11)
[5]基于機(jī)器視覺的藥品包裝生產(chǎn)線自動檢測系統(tǒng)[J]. 李姿景.  包裝工程. 2018(17)
[6]基于機(jī)器視覺的食品內(nèi)包裝缺陷檢測裝置設(shè)計(jì)與實(shí)現(xiàn)[J]. 賈真真,張濤,曹興強(qiáng),曾建,李曉,姚二民.  食品與機(jī)械. 2018(07)
[7]基于機(jī)器視覺的筒子紗缺陷在線檢測系統(tǒng)[J]. 牟新剛,蔡逸超,周曉,陳國良.  紡織學(xué)報(bào). 2018(01)
[8]基于機(jī)器視覺的方便面包裝品質(zhì)檢測系統(tǒng)設(shè)計(jì)[J]. 陳慧麗,李繼偉.  包裝工程. 2017(13)
[9]基于機(jī)器視覺的食品包裝缺陷檢測研究[J]. 李萌,孫鐵波.  食品研究與開發(fā). 2016(24)
[10]基于機(jī)器視覺的鋁塑藥品包裝在線檢測系統(tǒng)[J]. 李萌,孫鐵波.  塑料工業(yè). 2016(04)



本文編號：3210762