一种机织纺织品瑕疵自动在线检测方法技术

本发明专利技术涉及一种机织纺织品瑕疵自动在线检测方法，利用双摄像头进行织物采集，首先对上游摄像头所摄区域的整块布料进行纹理提取，初步检测是否为合格产品，如果不合格再将下游摄像头所摄布料分区二次纹理提取，并进行瑕疵识别；两个摄像头在不同位置对同一块布料进行拍摄，避免由于反光等干扰导致的错判，在初步识别后进行分区域的二次识别，大大提高了识别准确性，同时又能保证检测速度，占用资源较小，能够适应在线检测、不停机检测。本发明专利技术提取纹理特征时，利用双树复小波与马科夫模型结合的特征提取方法进行纹理提取，相比传统的纹理提取方法，能够快速、有效、准确提取机织纺织品的纹理特征。

【技术实现步骤摘要】
【专利摘要】本专利技术涉及，利用双摄像头进行织物采集，首先对上游摄像头所摄区域的整块布料进行纹理提取，初步检测是否为合格产品，如果不合格再将下游摄像头所摄布料分区二次纹理提取，并进行瑕疵识别；两个摄像头在不同位置对同一块布料进行拍摄，避免由于反光等干扰导致的错判，在初步识别后进行分区域的二次识别，大大提高了识别准确性，同时又能保证检测速度，占用资源较小，能够适应在线检测、不停机检测。本专利技术提取纹理特征时，利用双树复小波与马科夫模型结合的特征提取方法进行纹理提取，相比传统的纹理提取方法，能够快速、有效、准确提取机织纺织品的纹理特征。【专利说明】—种机织纺织品瑕疵自动在线检测方法
本专利技术涉及，属于纺织品瑕疵在线识别
。
技术介绍
在现代纺织工业中，以先进的检测技术代替人眼进行织物瑕疵的自动检测能够提高检测效率、减少劳动力、降低劳动强度和进一步提高织物的质量。在我国，织物检测大部分还是由人工视觉来完成，在检测过程中，人眼视觉存在偏差，重现率比较低且检测结果不稳定，与大规模工业化生产不相适应。在纺织品生产中，若不能及时发现瑕疵，就会生产出一些次品布，造成材料和能源的浪费。如果安装织物瑕疵视觉检测系统，发现瑕疵即可进行处理，以减少材料的浪费。经 申请人:检索发现，中国专利技术专利申请CN102967606A，提出了一种纺织机织物瑕疵视觉检测系统，其工作原理是，利用图像识别技术进行布料照片的特征提取，比对后，将处理结果传送至主机处理系统，经主机处理系统完成对整个机器视觉检布系统的控制，并且实时对其反馈的结果做出相应的最终处理。该技术能够实时检测出织物瑕疵点，并发出警报号，停止纺织机运行，引导工人处理当前瑕疵，也有效地降低工人劳动强度和劳动力成本。将图像识别技术应用于织物的检测已经成为了本领域的惯用手段，但现有识别方法多为通用方法的直接转用，其针对性不强，仍然存在漏检和错检，不能满足高品质的要求。本专利技术着重根据织物的纹理特点对织物的瑕疵进行识别。
技术实现思路
本专利技术的目的:克服上述现有技术的缺陷，提出一种新的机织纺织品瑕疵自动在线检测方法，系针对织物的特点进行瑕疵识别，使漏检、错检率降低。本专利技术提出的机织纺织品瑕疵自动在线检测方法，其特征在于:布料前进方向上方间隔的设置有上游摄像头、下游摄像头，根据布料前进速度及上、下游摄像头间距设置两摄像头的拍摄时间差，确保两个摄像头能够拍摄到机织纺织品的同一块区域，得到连续的若干对图像，本方法包括有以下步骤: 第I步:利用上游、下游摄像头实时拍摄机织纺织品，并将成对的图像传递至计算机；第2步:计算机对接收到的图像进行预处理，包括:对灰度图像进行归一化，并通过灰度拉伸增强图像对比度； 第3步:对上游摄像头拍摄的图像提取纹理特征矢量，具体步骤如下:al、对图像进行双树复小波变换，获得6个256乘256的矩阵；a2、将获得的6个矩阵代入马科夫模型，求取马科夫模型的参数，并对获得的参数进行归一化处理； a3、对归一化后的参数构建矢量，得到该图像中织物的纹理特征矢量； 第4步:将第3步得到的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离不大于预设的合格产品阈值，则该图像中的织物为合格产品，转至第I步；否则将下游摄像头拍摄的图像沿中心线切割，获得两块子图像； 第5步:利用第3步的方法分别提取两块子图像的纹理特征矢量，并且分别将两块子图像的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离均不大于预设的合格产品阈值，则该图像中的织物为合格产品，则转至第I步；如果两者的欧氏距离大于合格产品阈值，则将相应子图像纹理特征矢量分别与所有预选瑕疵种类的机织物纹理特征矢量进行比较，若两者的欧氏距离不大于相应的瑕疵阈值，则相应子图像中的机织物属于相应的瑕疵种类，计算机进行记录；若两者的欧氏距离均大于相应的瑕疵阈值，则相应子图像中的机织物为其他瑕疵种类，计算机进行记录，根据上述瑕疵种类发出停机指令，并提示相应人员进行即时处理。本专利技术进一步的改进如下: 1、上述机织纺织品瑕疵自动在线检测方法，所述第5步中的预选瑕疵种类包括:缺经、缺纬、污点、重经、重纬、破洞。2、所述合格产品的纹理特征矢量及合格产品阈值的确定方法如下: bl、选取至少200个合格产品的机织纺织品样品进行图像采集； b2、利用所述第3步中的方法提取各图像的纹理特征矢量，所有合格产品图像纹理特征矢量的聚类中心为合格产品纹理特征矢量中心矢量； b3、所有合格产品图像的纹理特征矢量到所述合格产品纹理特征矢量中心矢量的欧氏距离的最大值为合格产品阈值。3、瑕疵的机织物纹理特征矢量及相应的瑕疵阈值确定方法如下: Cl、选取至少200个指定瑕疵种类产品的机织纺织品样品进行图像采集； c2、利用所述第3步中的方法提取各图像的纹理特征矢量，所有指定瑕疵种类产品图像纹理特征矢量的聚类中心为相应瑕疵产品纹理特征矢量的中心矢量； c3、所有该类瑕疵产品图像的纹理特征矢量到相应瑕疵产品纹理特征矢量的欧氏距离的最大值为相应的瑕疵阈值。4、两摄像头的拍摄时间差T=S/V，式中S为摄像头拍摄中心位置之间的距离，V为机织纺织品的前进速度，下游摄像头拍摄时间晚于上游摄像头拍摄时间。本专利技术针对机织纺织品的纹理特点，利用双树复小波与马科夫模型结合的特征提取方法进行纹理提取，相比传统的纹理提取方法，能够快速、有效、准确提取机织纺织品的纹理特征，并且提取的纹理特征更有利于识别，经试验表明明显提高了识别的准确性。本专利技术利用双摄像头进行织物采集，首先对上游摄像头所摄区域的整块布料进行纹理提取，初步检测是否为合格产品，如果不合格再将下游摄像头所摄布料分区二次纹理提取，并进行瑕疵识别。本专利技术巧妙地使用两个摄像头在不同位置对同一块布料进行拍摄，避免由于反光等干扰导致的误判，在初步识别后进行分区域的二次识别，大大提高了识别准确性，同时又能保证检测速度，占用资源较小，能够适应在线检测、不停机检测。综上，本专利技术大大降低了识别错误率，提高瑕疵数据库的准确性，有助于生产者对机织工艺参数进行调整以提高产品品质。【专利附图】【附图说明】下面结合附图对本专利技术作进一步的说明。图1是本专利技术方法的流程示图。【具体实施方式】下面结合附图和具体实施例对本专利技术做进一步说明。本实施例机织纺织品瑕疵自动在线检测方法，其改进在于:布料前进方向上方间隔的设置有上游摄像头、下游摄像头，根据布料前进速度及上、下游摄像头间距设置两摄像头的拍摄时间差T，确保两个摄像头能够拍摄到机织纺织品的同一块区域，拍摄时间差T=S/V，式中S为摄像头拍摄中心位置之间的距离，V为机织纺织品的前进速度，下游摄像头拍摄时间晚于上游摄像头拍摄时间，得到连续的若干对图像；本实施例方法流程图见图1，具体步骤如下: 第I步:利用上游、下游摄像头实时拍摄机织纺织品，并将成对的图像传递至计算机；第2步:计算机对接收到的图像进行预处理，包括:对灰度图像进行归一化，并通过灰度拉伸增强图像对比度； 第3步:对上游摄像头拍摄的图像提取纹理特征矢量，具体步骤如下:al、对图像进行双树复小波变换，获得6个256乘256的矩阵；a2、将获得的6个矩阵代入马科夫模型，求取马科夫模型的参数，并对获得的参本文档来自技高网...

【技术保护点】
一种机织纺织品瑕疵自动在线检测方法，其特征在于：布料前进方向上方间隔的设置有上游摄像头、下游摄像头，根据布料前进速度及上、下游摄像头间距设置两摄像头的拍摄时间差，确保两个摄像头能够拍摄到机织纺织品的同一块区域，得到连续的若干对图像；本方法包括有以下步骤：第1步：利用上游、下游摄像头实时拍摄机织纺织品，并将成对的图像传递至计算机；第2步：计算机对接收到的图像进行预处理，包括：对灰度图像进行归一化，并通过灰度拉伸增强图像对比度；第3步：对上游摄像头拍摄的图像提取纹理特征矢量，具体步骤如下：????a1、对图像进行双树复小波变换，获得6个256乘256的矩阵；????a2、将获得的6个矩阵代入马科夫模型，求取马科夫模型的参数，并对获得的参数进行归一化处理；????a3、对归一化后的参数构建矢量，得到该图像中织物的纹理特征矢量；第4步：将第3步得到的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离不大于预设的合格产品阈值，则该图像中的织物为合格产品，转至第1步；否则将下游摄像头拍摄的图像沿中心线切割，获得两块子图像；第5步：利用第3步的方法分别提取两块子图像的纹理特征矢量，并且分别将两块子图像的纹理特征矢量与合格产品的纹理特征矢量进行比较，如果两者的欧氏距离均不大于预设的合格产品阈值，则该图像中的织物为合格产品，则转至第1步；如果两者的欧氏距离大于合格产品阈值，则将相应子图像纹理特征矢量分别与所有预选瑕疵种类的机织物纹理特征矢量进行比较，若两者的欧氏距离不大于相应的瑕疵阈值，则相应子图像中的机织物属于相应的瑕疵种类，计算机进行记录；若两者的欧氏距离均大于相应的瑕疵阈值，则相应子图像中的机织物为其他瑕疵种类，计算机对瑕疵种类进行记录并发出停机指令，并提示相应人员进行即时处理。...

【技术特征摘要】

【专利技术属性】
技术研发人员：管图华，黄媛媛，王汉成，曹海平，龚建伟，谢星，陈浩，李俊杰，
申请(专利权)人：南通大学，
类型：发明
国别省市：