【摘要】：色織物缺陷檢測(cè)是紡織品制造中質(zhì)量控制的核心。然而,傳統(tǒng)的人工檢測(cè)方法存在誤檢率高、檢測(cè)速度慢及勞動(dòng)強(qiáng)度大等缺點(diǎn),且檢測(cè)結(jié)果易受到主觀因素和外界環(huán)境的影響。由于色織物缺陷種類繁多,現(xiàn)有的檢測(cè)算法難以滿足準(zhǔn)確性和普適性的要求。本課題將色織物缺陷檢測(cè)算法作為主要研究?jī)?nèi)容,以算法的準(zhǔn)確性和普適性為目標(biāo)。具體工作如下:(1)針對(duì)圖案織物缺陷檢測(cè)問(wèn)題,采用LBP和HOG特征相結(jié)合的檢測(cè)算法。首先,對(duì)圖案織物進(jìn)行直方圖均衡化處理,使圖像的灰度值分布均勻并增強(qiáng)圖像細(xì)節(jié)。均衡化后的圖像通過(guò)距離匹配函數(shù)被分解為多個(gè)重復(fù)單元,提取LBP和HOG特征并使用PCA降維。其次,通過(guò)帶有類別標(biāo)簽的重復(fù)單元特征來(lái)訓(xùn)練支持向量機(jī)。最后,利用訓(xùn)練好的分類器依次判斷織物圖像中的重復(fù)單元是否存在缺陷,并輸出重復(fù)單元在織物圖像上的位置,實(shí)現(xiàn)圖案織物缺陷檢測(cè)。(2)針對(duì)小樣本下色織物缺陷檢測(cè)問(wèn)題,采用基于卷積神經(jīng)網(wǎng)絡(luò)的織物缺陷檢測(cè)算法。為達(dá)到同時(shí)檢測(cè)和定位缺陷的目的,在訓(xùn)練階段將圖像分解后的局部塊作為訓(xùn)練樣本,測(cè)試階段對(duì)原始織物圖像按其周期依次檢測(cè)。首先,采用MNIST數(shù)據(jù)集預(yù)訓(xùn)練網(wǎng)絡(luò)模型并保存訓(xùn)練后的模型參數(shù),將其作為訓(xùn)練織物局部塊的初始化參數(shù)。然后,采用自相關(guān)函數(shù)將原始圖像分解為局部塊并標(biāo)記相應(yīng)的類別構(gòu)造新的數(shù)據(jù)集,加載預(yù)訓(xùn)練模型采用遷移學(xué)習(xí)的方法進(jìn)行參數(shù)微調(diào),以此來(lái)加速和優(yōu)化學(xué)習(xí)效率。最后,利用訓(xùn)練好的模型在原始圖像上滑動(dòng)來(lái)檢測(cè)每個(gè)局部塊的缺陷,并獲得缺陷的位置。(3)針對(duì)凈色布和圖案織物缺陷檢測(cè)問(wèn)題,采用基于非下采樣輪廓波變換和廣義高斯混合模型的織物缺陷檢測(cè)方法。首先預(yù)設(shè)檢測(cè)窗口大小,采用非下采樣輪廓波變換提取每個(gè)窗口中的特征。然后使用廣義高斯混合模型對(duì)非下采樣輪廓波系數(shù)特征進(jìn)行建模。最后選擇無(wú)缺陷的子塊作為模板,計(jì)算模板與待檢測(cè)子塊的廣義高斯混合模型之間的相對(duì)熵,通過(guò)閾值實(shí)現(xiàn)缺陷檢測(cè)。本文圖35幅,表8個(gè),參考文獻(xiàn)93篇。
【學(xué)位授予單位】：西安工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TS107;TP391.41;TP183
【圖文】：

(a) 織物圖像 (b) 根據(jù)周期劃分 (c) 最小重復(fù)單元圖 2-2 圖案織物和最小重復(fù)單元物局部圖像的 LBP 特征始 LBP 特征jala 提出局部二值模式（LBP）描述圖像局部的紋理特征，具有旋轉(zhuǎn)不性和對(duì)光照不明感等顯著的優(yōu)點(diǎn)[79]。原始的 LBP 算子定義為：在 3×窗口中心像素為閾值，將相鄰的 8 個(gè)像素的灰度值與其進(jìn)行比較，若中心像素值，則該像素點(diǎn)的位置被標(biāo)記為 1，否則為 0，再順時(shí)針?lè)讲宋欢M(jìn)制數(shù)作為響應(yīng)。3×3 鄰域內(nèi)的 8 個(gè)點(diǎn)經(jīng)比較可產(chǎn)生 8 位轉(zhuǎn)換為十進(jìn)制數(shù)即 LBP 碼，共 256 種），即得到該窗口中心像素點(diǎn)的 值來(lái)反映該區(qū)域的紋理信息，LBP 算法的基本思想如圖 2-3 所示。二進(jìn)制：00010011十進(jìn)制：191 4 38 5 76 3 1閾值0 0 01 11 0 0

(a) 毛羽 (b) 結(jié)頭 (c) 油污 (d) 斷經(jīng) (e) 劃痕 (f) 破洞圖 2-7 部分坯布圖像缺陷檢測(cè)結(jié)果(a) 異物 (b) 異物 (c) 斷經(jīng) (d) 斷經(jīng) (e) 異物 (f) 異物圖 2-8 部分格子布和條紋布圖像缺陷檢測(cè)結(jié)果

(a) 異物 (b) 異物 (c) 斷經(jīng) (d) 斷經(jīng) (e) 異物 (f) 異物圖 2-8 部分格子布和條紋布圖像缺陷檢測(cè)結(jié)果(a) 帶紗 (b) 污漬 (c) 帶紗 (d) 結(jié)頭 (e) 帶紗 (f) 破洞圖 2-9 部分圓點(diǎn)、方格和星星織物的缺陷檢測(cè)結(jié)果

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張昱;張健;;模糊專家系統(tǒng)在TFT-LCD缺陷檢測(cè)中的應(yīng)用[J];光電子·激光;2006年06期

2 吳明復(fù);纖維增強(qiáng)復(fù)合材料的應(yīng)用及其缺陷檢測(cè)[J];航天工藝;1988年01期

3 張興森;邊美華;梁慶國(guó);盧展強(qiáng);;基于渦流檢測(cè)的電力線夾缺陷檢測(cè)與分類方法[J];中國(guó)科技論文;2017年04期

4 張國(guó)強(qiáng);張曉;隋文濤;;基于敲擊信號(hào)的剎車(chē)片內(nèi)部缺陷檢測(cè)[J];組合機(jī)床與自動(dòng)化加工技術(shù);2017年10期

5 包正林;;有關(guān)閥門(mén)缺陷檢測(cè)方法的分析[J];科技創(chuàng)業(yè)家;2013年22期

6 黃艷紅;高曉蓉;杜路泉;;光纖光柵傳感器在橋梁缺陷檢測(cè)和結(jié)構(gòu)健康監(jiān)測(cè)中的應(yīng)用[J];鐵道技術(shù)監(jiān)督;2007年11期

7 馬少林;用于全壽命風(fēng)險(xiǎn)管理的缺陷檢測(cè)和預(yù)防技術(shù)研究[J];航空兵器;2005年02期

8 蘇若;吳際;劉超;楊海燕;;基于多視角卡牌模型的需求缺陷檢測(cè)[J];計(jì)算機(jī)科學(xué);2018年10期

9 顧杰;肖遼;馬軍山;;機(jī)器視覺(jué)在TFT-LCD暗畫(huà)面缺陷檢測(cè)中的應(yīng)用[J];光學(xué)儀器;2017年03期

10 李羽可;涂君;宋小春;;超聲相控陣缺陷檢測(cè)聚焦技術(shù)仿真分析[J];測(cè)控技術(shù);2016年07期

相關(guān)會(huì)議論文 前10條

1 趙漣漪;許寶杰;童亮;;在線玻璃缺陷檢測(cè)系統(tǒng)的研究[A];機(jī)械動(dòng)力學(xué)理論及其應(yīng)用[C];2011年

2 王彩霞;何文華;楊威;;基于圖像分割的包裝缺陷檢測(cè)分析[A];2012年陜西省焊接學(xué)術(shù)交流會(huì)論文集[C];2012年

3 趙鴻雁;李超;江玉杰;葛亞萍;侯沛東;;圖像增強(qiáng)算法在印刷缺陷檢測(cè)中的應(yīng)用研究[A];2015第四屆中國(guó)印刷與包裝學(xué)術(shù)會(huì)議論文摘要集[C];2015年

4 唐輝;萬(wàn)來(lái)毅;吳曉鵬;;鑄坯表面質(zhì)量缺陷檢測(cè)系統(tǒng)的算法研究[A];全國(guó)冶金自動(dòng)化信息網(wǎng)2011年年會(huì)論文集[C];2011年

5 于景蘭;于健;翁昌年;;探地雷達(dá)在橋梁缺陷檢測(cè)中的應(yīng)用初探[A];中國(guó)地球物理第二十一屆年會(huì)論文集[C];2005年

6 裴翠祥;陳振茂;劉皓晨;邱金星;;激光誘發(fā)熱波及超聲波在材料表面和內(nèi)部缺陷檢測(cè)中的應(yīng)用研究[A];中國(guó)力學(xué)大會(huì)-2015論文摘要集[C];2015年

7 蔡茂蓉;;PCB缺陷檢測(cè)系統(tǒng)的研究與實(shí)現(xiàn)[A];第三屆全國(guó)軟件測(cè)試會(huì)議與移動(dòng)計(jì)算、柵格、智能化高級(jí)論壇論文集[C];2009年

8 朱爾玉;張文輝;劉福勝;楊威;;混凝土灌注樁缺陷檢測(cè)及施工質(zhì)量評(píng)估[A];工程安全及耐久性——中國(guó)土木工程學(xué)會(huì)第九屆年會(huì)論文集[C];2000年

9 薛仁杰;王曉晨;楊荃;董峰;張彥杰;;基于激光超聲技術(shù)的金屬板帶缺陷檢測(cè)研究[A];2018年全國(guó)固體力學(xué)學(xué)術(shù)會(huì)議摘要集（下）[C];2018年

10 胡達(dá)明;;紅外熱像儀在建筑節(jié)能工程質(zhì)量缺陷檢測(cè)中的應(yīng)用研究[A];2009年福建省暖通空調(diào)制冷學(xué)術(shù)年會(huì)論文資料集[C];2009年

相關(guān)重要報(bào)紙文章 前7條

1 ;圓棒表面微小缺陷檢測(cè)技術(shù)[N];世界金屬導(dǎo)報(bào);2017年

2 ;智能化：傳統(tǒng)企業(yè)要行動(dòng)[N];第一財(cái)經(jīng)日?qǐng)?bào);2017年

3 本報(bào)記者 宋利彩;加快新技術(shù)在出生缺陷檢測(cè)中的轉(zhuǎn)化[N];中國(guó)婦女報(bào);2014年

4 記者 胡擁軍　通訊員 朱其康 張根華;管道缺陷檢測(cè)不再“脫外衣”[N];中國(guó)石化報(bào);2010年

5 ;英特爾OpenVINO~(TM)助推工業(yè)質(zhì)檢智能化[N];中國(guó)信息化周報(bào);2019年

6 薛守仁;防范基因歧視[N];科技日?qǐng)?bào);2001年

7 本報(bào)記者 滕繼濮;油氣命脈里的“機(jī)器醫(yī)生”[N];科技日?qǐng)?bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 艾矯燕;基于計(jì)算機(jī)視覺(jué)的墻地磚顏色分類和缺陷檢測(cè)研究[D];華南理工大學(xué);2003年

2 張昱;基于機(jī)器視覺(jué)的TFT-LCD屏mura缺陷檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2006年

3 彭艷華;基于激光散斑的輪胎制造內(nèi)部缺陷檢測(cè)與疲勞壽命預(yù)估[D];華南理工大學(xué);2017年

4 陸向?qū)?基于主動(dòng)紅外熱成像的倒裝焊缺陷檢測(cè)方法研究[D];華中科技大學(xué);2012年

5 陳志彥;并行譜域光學(xué)相干層析成像系統(tǒng)的研制與應(yīng)用研究[D];浙江大學(xué);2017年

6 陸寧;基于主動(dòng)紅外熱成像的倒裝焊缺陷檢測(cè)方法研究[D];華中科技大學(xué);2012年

7 趙云山;基于符號(hào)分析的靜態(tài)缺陷檢測(cè)技術(shù)研究[D];北京郵電大學(xué);2012年

8 何健鵬;面向鋼板缺陷檢測(cè)的電磁超聲蘭姆波換能器研究[D];北京科技大學(xué);2018年

9 崔克彬;基于圖像的絕緣子缺陷檢測(cè)中若干關(guān)鍵技術(shù)研究[D];華北電力大學(xué)(北京);2016年

10 康維新;基于小波和支持向量機(jī)的樁基缺陷檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 徐雁冰;基于機(jī)器視覺(jué)的卡口式車(chē)燈外觀缺陷檢測(cè)系統(tǒng)研究[D];湘潭大學(xué);2019年

2 韓慧;基于深度學(xué)習(xí)的工業(yè)缺陷檢測(cè)方法研究[D];重慶郵電大學(xué);2019年

3 楊洋;基于機(jī)器視覺(jué)的汽車(chē)保險(xiǎn)盒內(nèi)孔缺陷檢測(cè)系統(tǒng)研究[D];南京航空航天大學(xué);2019年

4 郭毅強(qiáng);晶圓表面缺陷視覺(jué)檢測(cè)研究[D];哈爾濱工業(yè)大學(xué);2019年

5 顧小東;基于深度學(xué)習(xí)的小樣本圖像缺陷檢測(cè)方法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 宋柯;基于圖像的墻紙缺陷檢測(cè)與識(shí)別方法研究及實(shí)現(xiàn)[D];西華大學(xué);2019年

7 馬浩;色織物表面缺陷檢測(cè)算法研究[D];西安工程大學(xué);2019年

8 郭根;基于機(jī)器視覺(jué)的絲餅外觀缺陷檢測(cè)系統(tǒng)設(shè)計(jì)[D];西安工程大學(xué);2019年

9 殷鵬;基于遷移學(xué)習(xí)的織物布面缺陷檢測(cè)研究[D];西安工程大學(xué);2019年

10 劉嬈;卷積神經(jīng)網(wǎng)絡(luò)在紡織品缺陷檢測(cè)中的應(yīng)用研究[D];西安工程大學(xué);2019年

本文編號(hào)：2806497