【摘要】：襯布是布料的核心,襯布缺陷檢測的質(zhì)量優(yōu)劣直接關(guān)系到布料的質(zhì)量等級。傳統(tǒng)襯布缺陷檢測是利用人工在襯布打卷時觀察襯布是否存在缺陷,此方法不僅效率低下而且不能保證質(zhì)量。為了克服襯布缺陷檢測的不足,本文通過機器視覺方法對缺陷進行檢測,通過機器學(xué)習(xí)算法對缺陷種類進行分類。首先,為了能和傳統(tǒng)的卷布機進行整合,且不改變原機器結(jié)構(gòu),本文設(shè)計了一套機器視覺硬件采集平臺。根據(jù)實際要求,本文選取了合適的硬件設(shè)備,搭建了一套針對襯布缺陷的視覺系統(tǒng)。其次,對襯布缺陷特征進行檢測,本文對已有的三種算法進行了改進,基于多尺度均值快速判斷缺陷、基于灰度共生矩陣的缺陷檢測、基于Gabor通道融合缺陷檢測。其中基于多尺度均值快速判斷缺陷,由于缺陷區(qū)域會破壞布匹紋理的分布,利用統(tǒng)計襯布均值特征,再分析不同尺度上的均值統(tǒng)計,利用統(tǒng)計得出缺陷的概率做出判斷。此方法不僅加速檢測效率且減輕后續(xù)缺陷提取的難度。基于灰度共生矩陣的缺陷特征提取,首先將襯布圖像量化到16級灰度范圍,然后計算量化圖像上的0°、45°、90°、180°這四個方向上的灰度共生矩陣特征值,其中灰度共生矩陣計算四個設(shè)計特征,即對比度CON、能量(二階矩)ASM、熵ENT、逆差矩HOMO,本文通過實驗得到最終的效果圖明顯�；贕abor通道融合缺陷特征提取,Gabor濾波器對紋理特別敏感,同時Gabor的不同尺度、不同角度對不同的缺陷有著不同的敏感程度,本文改進了一種基于多通道融合的Gabor對襯布缺陷進行提取,使用算法自動選擇合適的參數(shù)。通過對比三種算法進行使用。再次,對襯布缺陷特征進行分類,本文對已有的兩種算法進行對比,即基于SVM支持向量機和BP神經(jīng)網(wǎng)絡(luò)。本文結(jié)合前人的經(jīng)驗和缺陷提取經(jīng)驗,改進并設(shè)計了7個缺陷特征進行訓(xùn)練,即長度、寬度、占空比、能量、熵、對比度、相關(guān)性。其中BP神經(jīng)網(wǎng)絡(luò)相對于SVM支持向量機較弱,SVM支持向量機分類六種缺陷平均正確率達到90.67%。最后,對襯布缺陷檢測設(shè)計一套UI界面方便工人實施檢測,平臺基于OPENCV3.0和QT5.7.0,主要包括襯布缺陷采集、檢測、分類、查詢等模塊。根據(jù)本文的研究內(nèi)容和當(dāng)前襯布缺陷檢測發(fā)展現(xiàn)狀,本文提出的襯布缺陷檢測流程,能夠解決現(xiàn)實生活襯布缺陷檢測的部分難題,為襯布生產(chǎn)自動化提供重要促進作用。
【圖文】：

起到加彈、擴充、補實等作用，與形形色色的面料結(jié)合形成衣物。做個簡單的比喻：我們都知道上海的“環(huán)球金融中心”非常漂亮而且壯觀，而它就是靠磚瓦和鋼筋混凝土等構(gòu)造起來，然后輔以燈光等的裝飾才變得這樣，襯布就相當(dāng)于大樓的鋼筋混凝土，我們看見形形色色的服裝就是當(dāng)今的“環(huán)球金融中心”。美麗的服裝以襯布作為其核心骨架，一件質(zhì)量高的襯布就是一件服裝的精髓，特別是現(xiàn)代襯布[1]的廣泛使用，，使得衣服的設(shè)計和制造工藝[2]達到意想不到的效果。襯布的制作流程包括六個方面，如圖 1-1 所示。(a) 原料 (b) 加彈 (c) 織布

多個同軸光源進行組合檢測。同軸光源的光照范圍和中間介質(zhì)有關(guān)，同時和放光區(qū)域也有關(guān)系，安裝較為復(fù)雜，目前市場上同軸光源的發(fā)光區(qū)域一般為 100mm×100mm 左右，如圖 2-2(e)所示。對比以上五種方案的優(yōu)劣勢，在不同的應(yīng)用場景，應(yīng)該對照明方案進行合理地分析選擇并使用。本文的待測物體為斜面上轉(zhuǎn)動的襯布，所以漫射照明不能適應(yīng)線陣相機對圖像的采集需要，同時由于布匹的范圍較廣且相機距離布匹較遠，而漫射照明的距離有限，會導(dǎo)致采集的圖片較暗，不利于后期的缺陷處理。由于襯布較薄，使用背光照明很可能難以拍攝出缺陷，導(dǎo)致后期檢測失敗，且本文采用的視覺組件應(yīng)盡量在不破壞機器的前提下進行，所以背光燈的安裝非常不利，針對以上兩個原因背光燈不做選擇。通過對比試驗結(jié)果，本文采用暗場照明方式，由以上的分析可知，暗場照明能夠增強目標(biāo)物體的紋理特征、凹凸處、缺口等，因此常被應(yīng)用于表面有紋理變化或凹凸的情況，而襯布的缺陷檢測需要用到紋理等特性，所以采用此方法。照明方案如圖 2-3(a)所示，拍攝的襯布圖像如圖 2-3(b)所示。
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TS107

【相似文獻】

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缺陷檢測中的應(yīng)用[J];光電子·激光;2006年06期

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

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

4 張國強;張曉;隋文濤;;基于敲擊信號的剎車片內(nèi)部缺陷檢測[J];組合機床與自動化加工技術(shù);2017年10期

5 包正林;;有關(guān)閥門缺陷檢測方法的分析[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和結(jié)構(gòu)健康監(jiān)測中的應(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)險管理的缺陷檢測和預(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[J];計算機科學(xué);2018年10期

9 顧杰;肖遼;馬軍山;;機器視覺在TFT-LCD暗畫面缺陷檢測中的應(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聚焦技術(shù)仿真分析[J];測控技術(shù);2016年07期

相關(guān)會議論文 前10條

1 趙漣漪;許寶杰;童亮;;在線玻璃缺陷檢測系統(tǒng)的研究[A];機械動力學(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分析[A];2012年陜西省焊接學(xué)術(shù)交流會論文集[C];2012年

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

4 唐輝;萬來毅;吳曉鵬;;鑄坯表面質(zhì)量缺陷檢測系統(tǒng)的算法研究[A];全國冶金自動化信息網(wǎng)2011年年會論文集[C];2011年

5 于景蘭;于健;翁昌年;;探地雷達在橋梁缺陷檢測中的應(yīng)用初探[A];中國地球物理第二十一屆年會論文集[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)部缺陷檢測中的應(yīng)用研究[A];中國力學(xué)大會-2015論文摘要集[C];2015年

7 蔡茂蓉;;PCB缺陷檢測系統(tǒng)的研究與實現(xiàn)[A];第三屆全國軟件測試會議與移動計算、柵格、智能化高級論壇論文集[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及施工質(zhì)量評估[A];工程安全及耐久性——中國土木工程學(xué)會第九屆年會論文集[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研究[A];2018年全國固體力學(xué)學(xué)術(shù)會議摘要集（下）[C];2018年

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

相關(guān)重要報紙文章 前6條

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

2 ;智能化：傳統(tǒng)企業(yè)要行動[N];第一財經(jīng)日報;2017年

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

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

5 薛守仁;防范基因歧視[N];科技日報;2001年

6 本報記者 滕繼濮;油氣命脈里的“機器醫(yī)生”[N];科技日報;2013年

相關(guān)博士學(xué)位論文 前10條

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

2 張昱;基于機器視覺的TFT-LCD屏mura缺陷檢測技術(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)?基于主動紅外熱成像的倒裝焊缺陷檢測方法研究[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;基于主動紅外熱成像的倒裝焊缺陷檢測方法研究[D];華中科技大學(xué);2012年

7 趙云山;基于符號分析的靜態(tài)缺陷檢測技術(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的樁基缺陷檢測技術(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 吳進儀;基于機器視覺的襯布缺陷檢測系統(tǒng)研究[D];浙江工業(yè)大學(xué);2019年

2 程康;基于深度學(xué)習(xí)的工業(yè)品不規(guī)則缺陷檢測研究[D];浙江工業(yè)大學(xué);2019年

3 陳玉葉;液晶屏非顯示缺陷檢測[D];廈門大學(xué);2017年

4 何俊杰;基于深度學(xué)習(xí)的TFT-LCD線路缺陷檢測研究[D];廈門大學(xué);2018年

5 劉學(xué)兵;機器視覺口服液瓶外觀的缺陷檢測方法研究[D];湖南大學(xué);2018年

6 高雅;紙杯缺陷快速檢測技術(shù)研究[D];曲阜師范大學(xué);2018年

7 常海濤;基于Faster R-CNN的工業(yè)CT圖像缺陷檢測研究[D];蘭州交通大學(xué);2018年

8 朱洪飛;酒瓶印刷缺陷檢測系統(tǒng)設(shè)計[D];湖南大學(xué);2018年

9 劉根;基于光度立體視覺和圖像顯著性的皮革缺陷檢測[D];廣東工業(yè)大學(xué);2018年

10 陳耀東;基于機器視覺的移印品缺陷檢測技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2018年

本文編號：2630371