瑕疵檢測一直是紡織行業(yè)中最重要的組成成分之一,檢測效果好壞直接與企業(yè)生產(chǎn)效益掛鉤。為了提高紡織品瑕疵的檢測率和準(zhǔn)確率,越來越多的企業(yè)將機器視覺技術(shù)運用于布匹瑕疵檢測中。所以,紡織品瑕疵檢測一直是國內(nèi)外研究熱點,也涌現(xiàn)出了很多新方法和技術(shù)。但是由于不同布匹紋理相差大、瑕疵種類眾多等原因,并沒有一種方法可以適用于所有瑕疵檢測。所以本文緊密聯(lián)系企業(yè)生產(chǎn),以經(jīng)編布為實驗對象,以瑕疵檢測和分類為實驗?zāi)康?對其常見瑕疵進行研究,以尋找較為高效的檢測手段。本課題主要研究如下:（1）根據(jù)本文實驗對象和實驗?zāi)康?提出了兩套比較有對比性的瑕疵檢測方案,分別是空間域和頻率域的檢測方法。介紹該課題實驗對象的同時給出布匹評分標(biāo)準(zhǔn),作為后續(xù)判斷布匹優(yōu)劣的依據(jù)。奠定了本文的整體思路和框架。（2）在空間域中對經(jīng)編布進行瑕疵檢測。由于傳統(tǒng)檢測方法針對性不強,本文采用一種LBP結(jié)合灰度共生矩陣的方法。首先經(jīng)過一系列預(yù)處理流程,然后采用LBP算法對經(jīng)編布進行圖像處理,再結(jié)合灰度共生矩陣,提取一系列特征參數(shù)對圖像整體信息加以描述,這些特征參數(shù)將作為后續(xù)識別與分類的主要依據(jù)。（3）在頻率域中對經(jīng)編布進行瑕疵檢測。因為gabor... 

【文章來源】：東華大學(xué)上海市 211工程院校 教育部直屬院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

Uster公司的Fabriscan驗布系統(tǒng)

圖 1-2 EVS 公司的 IQ-TEX4 驗布系統(tǒng)瑕疵檢測系統(tǒng)品瑕疵檢測系統(tǒng)的研究更加成熟和完善，但是由于各際生產(chǎn)中。雖說我國起步較晚，但是隨著國內(nèi)學(xué)者研了很多在線檢測系統(tǒng)，取得了很大進步。較有代表性的是無錫創(chuàng)視新科技有限公司，該公司為備企業(yè)，也是國內(nèi)較早的機器視覺自動化解決方案供大學(xué)無錫研究院，充分依托華中科技大學(xué)雄厚的人才檢測技術(shù)等研究方面不斷創(chuàng)新，保持著行業(yè)鄰先地位廣泛，檢測功能也非常豐富。該公司的無紡布瑕疵檢00m/min，檢測精度可以達到 0.1mm-0.5mm，檢測寬度后會自動截圖并報警，將圖片保存起來以便后續(xù)檢索布卷材質(zhì)量報告表和疵點分布圖。該公司從創(chuàng)立到現(xiàn)有一定技術(shù)積累與優(yōu)勢。

華大學(xué)碩士學(xué)位論文 第一章 緒、雙經(jīng)、雙緯等。非結(jié)構(gòu)化畸變瑕疵不具備明顯方向性，與紡織品紋理結(jié)構(gòu)，常見瑕疵有污漬、雜物、破洞等。紋理特征常被用來作為瑕疵判斷依據(jù)[25]（2）經(jīng)編布瑕疵分類。本課題研究對象是企業(yè)生產(chǎn)所需的經(jīng)編布，如圖 示。研究目的是對經(jīng)編布進行瑕疵檢測，同時還要完成瑕疵的分類與識別。該布匹本身質(zhì)量較好，瑕疵種類不多，常見的有：油污、點漬和孔洞等。部疵圖像如圖 1-4 所示。

【參考文獻】：
期刊論文
[1]表面弱邊緣瑕疵檢測算法及應(yīng)用[J]. 蔣潔琦,楊庚,劉沛東,錢晨.  計算機技術(shù)與發(fā)展. 2019(05)
[2]基于灰度共生矩陣和區(qū)域生長算法的紅外光伏面板圖像分割[J]. 洪向共,周世芬.  科學(xué)技術(shù)與工程. 2018(34)
[3]機器視覺技術(shù)的發(fā)展現(xiàn)狀與應(yīng)用動態(tài)研究[J]. 陳英.  無線互聯(lián)科技. 2018(19)
[4]基于機器視覺的織針自動化檢測系統(tǒng)[J]. 李濤,白云峰,朱世根.  毛紡科技. 2018(09)
[5]基于灰度共生矩陣的乳腺病理圖像紋理特征分析[J]. 趙爽,李延軍,馬志慶,趙文華.  中國醫(yī)學(xué)裝備. 2018(08)
[6]基于局部最優(yōu)分析的紡織品瑕疵檢測方法[J]. 劉威,常興治,梁久禎,賈靚,顧程熙.  模式識別與人工智能. 2018(02)
[7]基于學(xué)習(xí)的Gabor濾波器多樣式布匹瑕疵檢測[J]. 薛婷婷,劉秀平,張凱兵,王珍,閆亞娣,閆煥營.  西安工程大學(xué)學(xué)報. 2017(06)
[8]機器視覺表面缺陷檢測綜述[J]. 湯勃,孔建益,伍世虔.  中國圖象圖形學(xué)報. 2017(12)
[9]圖像紋理檢測與特征提取技術(shù)研究綜述[J]. 李秀怡.  中國管理信息化. 2017(23)
[10]基于相對總變差模型與自適應(yīng)形態(tài)學(xué)的織物瑕疵檢測[J]. 張波,湯春明.  紡織學(xué)報. 2017(05)

博士論文
[1]基于統(tǒng)計學(xué)習(xí)的自動人臉識別算法研究[D]. 王先基.中國科學(xué)技術(shù)大學(xué) 2007

碩士論文
[1]基于機器視覺的雙軸向織布機布匹瑕疵檢測[D]. 方超.吉林大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)和K鄰近算法的車標(biāo)識別[D]. 張鼎.西安電子科技大學(xué) 2015



本文編號：3127456