【技术实现步骤摘要】
本专利技术涉及无纺布生产，具体是一种基于机器视觉的无纺布表面检测系统及其方法。
技术介绍
1、无纺布，亦被称作不织布，其主要生产原料为聚丙烯粒料。这一过程涉及高温熔融、喷丝成型、铺网定型及热压卷取等多个步骤，通过连续一体化工艺完成。无纺布因其防潮透气、质地柔韧轻盈、环保易降解、无毒无刺激性、色彩多样、成本低廉且可循环利用等诸多特性而备受青睐。
2、现有技术中，对无纺布进行表面质量检测主要依赖于人工手段，具体来说，检测人员首先进行颜色检查，目视检查无纺布的颜色是否与订单要求一致，注意检查是否有颜色不均、色差或褪色等现象；然后进行材质检查，检查无纺布的材质是否柔软，有无异味。同时，观察其表面是否平整，有无明显的褶皱、破洞或撕裂等现象；接着进行表面缺陷检查，检查无纺布表面是否有污点、油污、蚊虫、纤维等异物，观察无纺布表面是否有节点、褶皱等不平整现象，仔细检查无纺布是否有破损、撕裂等损坏情况，对比色卡，检查无纺布是否存在色差或色条等颜色问题；最后可以进行尺寸和重量检查，检测人员根据需要使用卷尺等工具测量无纺布的尺寸，确保符合规格要求，同时，可以随机抽取样品进行称重，检查其克重是否符合标准。然而，人工检测虽然在一定程度上能够满足基本需求，但其缺点也较为明显，具体来说，随着生产规模的扩大，无纺布的生产速度日益提高，而人工检测的速度和效率相对有限，难以满足大规模、高效率的生产需求，可能导致生产瓶颈，影响整体生产效率；人眼分辨力有限，对于微小或特定的缺陷(如细微的色差、微小的孔洞等)可能难以准确识别，可能会影响产品质量的稳定性和可靠
3、因此，本专利技术提出了一种基于机器视觉的无纺布表面检测系统及其方法，可以利用机器视觉技术提高无纺布表面检测的效率和准确性，实现无纺布表面缺陷的自动化检测和处理。
技术实现思路
1、为了解决上述问题，本专利技术提出了一种基于机器视觉的无纺布表面检测系统及其方法，可以采集待检测无纺布的表面图像以及正常无纺布的参考图像，传输所述表面图像和参考图像，并对所述表面图像和参考图像进行特征提取，得到表面图像特征和参考图像特征，对比所述表面图像特征和参考图像特征之间的差异，得到差异对比结果，根据所述差异对比结果判断待检测无纺布表面是否存在缺陷信息，记录和分析所述缺陷信息，生成无纺布表面检测报告，并将无纺布表面检测结果实时展示给操作人员，从而可以利用机器视觉技术提高无纺布表面检测的效率和准确性，实现无纺布表面缺陷的自动化检测和处理。
2、为了达到上述目的，本专利技术是通过以下技术方案来实现的：
3、本专利技术的一种基于机器视觉的无纺布表面检测系统，包括：
4、图像采集模块，用于采集待检测无纺布的表面图像以及正常无纺布的参考图像；
5、图像特征提取模块，用于传输所述表面图像和参考图像，并对所述表面图像和参考图像进行特征提取，得到表面图像特征和参考图像特征；
6、图像差异处理模块，用于对比所述表面图像特征和参考图像特征之间的差异，得到差异对比结果；
7、缺陷判断模块，用于根据所述差异对比结果判断待检测无纺布表面是否存在缺陷信息；
8、反馈记录模块，用于记录和分析所述缺陷信息，生成无纺布表面检测报告，并将无纺布表面检测结果实时展示给工作人员。
9、本专利技术的进一步改进在于：所述图像采集模块，包括：
10、光源单元，用于对所述待检测无纺布和正常无纺布进行高亮度光源照射；
11、摄像单元，用于获取所述待检测无纺布的表面图像以及正常无纺布的参考图像，并位于无纺布生产线上方。
12、本专利技术的进一步改进在于：所述图像处理模块，用于：以如下特征提取算法对所述表面图像和参考图像进行特征提取，得到表面图像特征和参考图像特征：
13、所述表面图像特征的提取过程如下：
14、对所述表面图像进行灰度化处理，得到预处理完成的表面图像；
15、对预处理完成的表面图像进行特征提取，得到表面图像矩阵，所述表面图像矩阵的表达式为：
16、
17、式中，bmjz(i)表示表面图像矩阵；i、j表示表面图像中像素点位置；σ表示表面图像像素的邻域标准差；dii(i,σ)表示表面图像在像素点位置i的二阶导数；dij(i,σ)表示表面图像在像素点位置i、j的二阶导数；djj(i,σ)表示表面图像在像素点位置j的二阶导数；
18、计算表面图像矩阵极值，所述表面图像矩阵极值的表达式为：
19、j(bmjz(i))＝dii(i,σ)*djj(i,σ)-0.81*dij(i,σ)2
20、式中，bmjz(i)表示表面图像矩阵；j(bmjz(i))表示表面图像矩阵极值；i、j表示表面图像中像素点位置；σ表示表面图像像素的邻域标准差；dii(i,σ)表示表面图像在像素点位置i的二阶导数；dij(i,σ)表示表面图像在像素点位置i、j的二阶导数；djj(i,σ)表示表面图像在像素点位置j的二阶导数；
21、选取表面图像矩阵极值j(bmjz(i))对应的像素点作为表面图像特征点，并确定稳定表面图像特征点，根据所述稳定表面图像特征点的圆形邻域的小波特征确定表面图像特征方向，获取所述稳定表面图像特征点周围的4*4矩形区域，统计所述稳定表面图像特征点的水平方向值之和、垂直方向值之和、水平方向绝对值之和以及垂直方向绝对值之和得到表面图像特征；
22、所述参考图像特征的提取过程同上。
23、本专利技术的进一步改进在于：所述图像差异处理模块，用于：以如下差异视觉算法对比所述表面图像特征和参考图像特征之间的差异，得到差异对比结果：
24、设定表面图像特征为zbmtx且参考图像特征为zcktx；
25、对所述表面图像特征zbmtx和参考图像特征zcktx进行l2正则化，得到的点积的表达式为：
26、
27、式中，zbmtx表示表面图像特征；zcktx表示参考图像特征；s(zbmtx,zcktx)表示对表面图像特征zbmtx和参考图像特征zcktx进行l2正则化后得到的点积；表示对表面图像特征zbmtx进行转置运算的结果；||zbmtx||2表示表面图像特征zbmtx的l2范数；||zcktx||2表示参考图像特征zcktx的l2范数；/表示除号；
28、通过对所述表面图像特征和参考图像特征进行l2正则化，根据所述点积得到所述表面图像特征和参考图像特征的相似程度，即所述差异对比结果。
29、本专利技术的进一步改进在于：所述缺陷判断模块，包括：
30、识别单元，用于根据所述差异对比结果确定所述表面图像特征和参考图像特征之间是否存在差异，得到识别结果；
31、判断单元，用于根据所述识别结果判断待检测无纺布表面是否存在缺陷信息；
32、分类单元，用于对所述缺陷信息按照特征进行自动分类。
33、本专利技术的进一步改进在于：所述反本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的无纺布表面检测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于机器视觉的无纺布表面检测系统，其特征在于，所述图像采集模块，包括：
3.根据权利要求1所述的一种基于机器视觉的无纺布表面检测系统，其特征在于，所述图像处理模块，用于：以如下特征提取算法对所述表面图像和参考图像进行特征提取，得到表面图像特征和参考图像特征：
4.根据权利要求1所述的一种基于机器视觉的无纺布表面检测系统，其特征在于，所述图像差异处理模块，用于：以如下差异视觉算法对比所述表面图像特征和参考图像特征之间的差异，得到差异对比结果：
5.根据权利要求1所述的一种基于机器视觉的无纺布表面检测系统，其特征在于，所述缺陷判断模块，包括：
6.根据权利要求1所述的一种基于机器视觉的无纺布表面检测系统，其特征在于，所述反馈记录模块，还包括：当所述无纺布表面检测结果为存在缺陷时，引发自动报警装置工作。
7.根据权利要求1-6任意一项所述的一种基于机器视觉的无纺布表面检测系统的检测方法，其特征在于，包括：
【技术特征摘要】
1.一种基于机器视觉的无纺布表面检测系统，其特征在于，包括：
2.根据权利要求1所述的一种基于机器视觉的无纺布表面检测系统，其特征在于，所述图像采集模块，包括：
3.根据权利要求1所述的一种基于机器视觉的无纺布表面检测系统，其特征在于，所述图像处理模块，用于：以如下特征提取算法对所述表面图像和参考图像进行特征提取，得到表面图像特征和参考图像特征：
4.根据权利要求1所述的一种基于机器视觉的无纺布表面检测系统，其特征在于，所述图像差异处理模块，用于...
【专利技术属性】
技术研发人员：王轮，朱健民，
申请(专利权)人：江苏聚源新材料科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。