应用多尺度多方向模板卷积的筒子纱缺陷检测

针对筒子纱不规则的纹理基元增加缺陷检测难度的问题,提出一种基于多尺度多方向模板卷积的筒子纱表面网纱缺陷检测算法。首先通过系统采集筒子纱的顶面纹理图像;其次对原图像进行OTSU阈值处理,并采用椭圆拟合确定纹理位置,利用极坐标变换将其展开;然后利用水平方向一维高斯差分算子提取边缘,通过改变高斯核的标准差获取多个尺度的边缘图像;进而将0°~180°角度区间量化成多个方向模板与各尺度的边缘图像进行卷积,并投票记录每个像素位置在各尺度下的多方向模板卷积结果的最大值;最后,选取经验阈值对最强卷积响应进行分割得到缺陷图像。实验结果表明,该方法可有效检测筒子纱表面的网纱缺陷,识别准确率达0.96。     

基于机器视觉的筒子纱密度在线检测系统

为提高筒子纱密度检测自动化程度,解决传统筒子纱密度测量方法效率低、操作复杂等问题,设计了一种基于机器视觉的筒子纱密度在线检测系统。该系统由质量传感器、光电传感器、蓝色面光源、工业摄像机、传送装置和工控机组成。研究了筒子纱图像校正算法,根据透视投影理论建立了筒子纱校正模型,还原了筒子纱上下边界的直线特性,得到了理想的筒子纱侧面图像,用积分法得到筒子纱的精确体积。150个筒子纱密度检测结果表明:通过像素当量折算出筒子纱实际最大直径和体积参数,再结合高精度质量传感器的数据,最终可计算出筒子纱密度,基于机器视觉的筒子纱密度在线检测系统的检测精度和稳定性能可满足生产要求。     

基于支持向量机的筒子纱纱管品种检测

为了对运输导轨上筒子纱的纱管品种进行检测,提出一种基于纱管图像分类的品种检测方法。首先通过搭建的采集装置采集筒子纱顶部包含纱管信息的图像,运用阈值分割和椭圆拟合得到纱管区域,利用极坐标变换将纱管圆环展开成矩形图像,然后使用HSV颜色直方图和局部二值模式分别提取纱管展开图像的颜色特征和纹理特征,最后通过支持向量机构建筒子纱纱管品种分类模型实现纱管品种检测。采用建立的纱管品种检测分类数据集进行实验,结果表明,本文方法相比于其它特征组合和分类器,具有更高的分类准确率,对相同图案的星型纱管、黑色系花纹纱管和混合纱管的分类准确率达100%,可为纺纱企业筒子纱纱管品种检测与运输包装提供参考。     

筒子纱纱笼纱杆的定位检测方法

为提高筒子纱纱笼纱杆偏移程度的自动化检测率,同时解决磨损缺陷纱杆自动定位检测准确率低的问题,提出了一种改进的频率调谐显著性检测算法进行筒子纱纱笼纱杆定位检测。首先,利用纱杆杆头金属面反光的特点和纱杆距离底面较远的特点,利用环形光源局部照射提高目标与背景对比度。然后利用目标位于图像中心附近的先验知识设计了分块加权模板进行改进频率调谐显著性检测算法,计算图像显著度。将显著图像使用最大类间方差法进行自动阈值分割后得到二值图像,并通过形态学滤波剔除明显不是目标的区域,最后通过霍夫变换圆拟合得到最终纱杆杆头位置坐标。现场实验和对比算法表明:改进方法具有抗缺陷能力,同时具有抗光照变化能力,可应用于工厂白天和晚上光线变化场景的任务。     

基于Radon变换的织物倾斜和纹理方向检测

为减少织物倾斜对自动检测的影响,采用Radon变换对织物图像中织物倾斜和纹理方向进行检测。先利用计算机模拟生成与纱线粗细相同和间隔一致的平纹织物,对该图像进行Radon投影变换,分析经纬纱和纹理方向与Radon变换投影轮廓曲线峰值的对应关系,得出图像倾斜角和投影角之间的关系。之后对10个织物图像中织物倾斜进行检测,分析织物的经纱方向、纬纱方向、纹理方向、经纬向夹角。通过与人工测试数据比较发现,基于Radon变换的测试方法对织物图像的倾斜和纹理方向检测更具有优越性。     

基于对抗神经网络和神经网络模型的筒子纱抓取方法

为提高筒子纱抓取和上纱过程的自动化和柔性化程度,应用单目视觉系统引导机器人完成上纱过程。采用工业相机获取单个筒子纱不同形态的数据信息,应用GAN(生成式对抗神经网络)对筒子纱数据集扩充,提高筒子纱数据集多样性。将所得的数据集加载到Faster R-CNN(更快速区域卷积神经网络)模型里进行训练,应用训练好的神经网络识别和定位筒子纱,引导机器人完成上纱任务。应用搭建的单目视觉系统实验平台对结果进行测试,结果表明,经过标定后的视觉系统可以完成多个筒子纱的抓取任务,以满足筒子纱上纱过程的自动化和柔性化要求。     

基于参数可调均值迁移滤波实现筒子纱的识别检测

为了提高机器视觉对纱筒图像识别检测的准确率,课题组提出了一种参数可调均值迁移滤波算法。在图像采样过程中,先对源图像进行锐化处理,再对图像空间窗口与颜色窗口同时进行卷积操作,筒子纱的边缘轮廓得到完整保留,且通过滤波处理去除图像噪声;采用Canny算子边缘检测,完成对筒子纱的轮廓提取;几何矩计算轮廓质心和横纵比过滤判别筒子纱的放置状态。实验结果表明:该方法在图像处理过程中准确、可靠,能够满足图像识别检测的要求。     

卷烟爆珠拖尾缺陷检测方法

为准确识别卷烟爆珠生产中产生的拖尾缺陷并计量拖尾高度,提出了一种基于球体多角度外轮廓圆投影的拖尾缺陷检测方法.首先,通过自旋转机构和相机快速采集单颗爆珠10个不同角度的图像;其次,使用轮廓提取算法提取每张图像中爆珠外轮廓;然后,使用轮廓圆投影方法将外轮廓展开,检测每个角度对应的爆珠外轮廓上异常突起部分,并计算高度值;最...     

基于视觉的乳品包装日期喷码缺陷检测技术

基于生产日期喷码人工检测缺陷劳动强度大、智能化水平低、效率低等问题,开发基于机器视觉的乳品生产日期喷码缺陷检测系统。该系统采用CCD相机、计算机、光源等搭建硬件平台,利用中值滤波、二值化、图像分割、模板匹配等图像处理技术,实现了对生产日期缺码、模糊码等缺陷检测。试验结果表明,该系统能够准确识别出生产日期有缺陷的产品,达到预期的检测效果。     

改善№21C型络筒机筒纱成形的几项措施

我公司的№21C型络筒机自投产以来,筒纱成形一直是一个令人困扰的问题,且严重影响了并线工序的正常生产。通过观察,发现成形不良的筒子大多呈现菊花芯并伴随年轮、凸边形状。经过细致观察分析,造成筒纱成形不     

改进频率调谐显著算法在疵点图像分割中的应用

为提高织物疵点分割精度,提出了一种用于织物疵点图像分割的改进频率调谐显著（FT）算法。首先,利用织物疵点和背景区域透光率的不同,将光源和相机分别置于织物两侧来获取图像,提高疵点区域对比度;其次,应用非局部均值滤波器（NLM）替代FT 算法中的高斯滤波器,增强对背景纹理的平滑和降噪能力;研究发现NLM滤波器中滤波参数对疵点分割精度影响较大,提出了基于平均最大类间方差的参数优化方法;然后,将改进FT 算法应用于疵点图像预处理,进一步提高疵点对比度;最后,使用最大类间方差法对疵点显著图进行分割。对2 种不同织物疵点图像的分割实验结果表明,使用改进FT 算法对粗经、竹节、结头、断纬、油污和破洞等常见疵点图像进行预处理,可显著提高疵点分割精度。     

基于相似性定位和超像素分割的织物疵点检测

为解决周期性纹理织物图像的疵点检测及其轮廓精确分割问题,提出一种基于相似性定位和超像素分割的织物疵点检测方法。将待检测图像进行中值滤波和对数增强,并利用FT算法估计增强图像的显著图实现待检测图像的预处理;将基于归一化局部均值差分的灰度相似性检测参量和结构相似性检测参量结合,构建可测量更多类型周期性纹理织物图像的相似性度量函数,通过阈值化增强图像分块的相似性测量值实现疵点在显著图中的粗定位;最后对显著图粗定位图像分块进行超像素细分割及其二值化处理,并借助连通域分析剔除孤立点,获得完整的疵点轮廓。结果表明,本方法与常规3种方法相比,对周期性纹理织物图像的疵点检测准确率更高,且提取出的疵点轮廓更精确。     

纱线真实感的计算机仿真

通过摄取不同材质的纱线图片,利用RGB颜色空间和HLS颜色空间的相互转换提取纱线的亮度值,并以纱线上像素点的位置坐标为X、Y轴,提取的亮度为Z轴作亮度分布图来分析纱线表面的反射特征。从亮度分布图中获得不同材质的纱线图片亮度分布的差异,用Shepard插值法拟合纱线表面的光反射分布,用拟合得到的函数来仿真纱线,得到的纱线效果较自然,并能反映出不同材质纱线的光泽和构成纱线的纤维聚集形态的差异,真实感强。     

应用显著性算法的纱线条干均匀度检测

针对运用图像方法进行纱线条干均匀度检测时,背景黑板、纱线毛羽以及图像噪声等对检测结果影响较大的问题,借鉴人的视觉感知机制,提出一种应用显著性算法检测纱线条干均匀度的方法。对采集到的纱线图像提取颜色和亮度特征,进行显著性分析,突出纱线条干区域,然后利用迭代阈值分割算法和区域滤波,得到准确清晰的纱线条干二值图像,基于此进行直径计算、均匀度分析和纱线疵点判定。通过边缘准确性评价可知,采用所提方法分割得到的纱线条干二值图像有着较高的分割精度。通过与Uster Classimat 5的均匀度检测结果进行比较,证明这种方法可得到准确的结果,与Used Classimat 5 的测量结果有着较好的一致性。     

基于奇异值分解的双算法织物缺陷检测

针对难以有效地同时检测洞形缺陷和线形缺陷问题,提出一种基于奇异值分解的双算法织物缺陷检测方法。该方法首先对图像进行奇异值分解,通过对原图与特征值图进行布尔差集运算消除背景纹理并保留缺陷区域;然后采用均值滤波、直方图均值化及方差阈值滤波消除纹理及噪声点的干扰;接着通过形态学处理确定缺陷位置;最后采用面积阈值和方差阈值的方式获取线形缺陷和洞形缺陷。实验结果表明:该方法不仅能够有效地检测洞形缺陷,而且在检测线形缺陷上也有很好的表现,并在准确率上明显高于传统算法,证明了本文算法的有效性和多用途性。     

纹理织物疵点窗口跳步形态学法检测

针对纹理织物疵点自动检测时因生产速度快造成的织物抖动以及检测速度难以匹配问题,提出窗口跳步形态学法纹理织物疵点检测算法。使用该算法对图像进行窗口分割及预处理后,首先对纹理织物图像的纹理特征进行分析,然后设计形态学算子进行腐蚀操作,最后使用连通域分析来确定疵点大小及位置。仿真实验及工厂实际应用表明,该算法可有效克服工业生产中纹理织物抖动造成的图像明暗不均,可检测出纹理织物中存在的破洞、经纬疵点、污渍、断线、折痕和结头等各种疵点,而且检测速度明显优于快速傅里叶变换特征点算法以及传统形态学检测算法。实时检测速度超过80 m/min,疵点检测精度为0.1 mm,满足实际生产需求。     

纱线条干均匀性序列图像测量方法

为了更精确、连续地评价纱线的外观条干均匀性,提出一种基于序列图像的纱线条干均匀性测量方法。通过图像采集系统获取连续的纱线序列图像;根据模糊C-均值（FCM）聚类算法将图像进行阈值分割,得到纱线条干的二值图像;设定阈值去除图像中的孤立点、毛刺点,获得清晰的纱线条干图像,并计算图像中每行纱线直径。 为验证方法的准确性,对７ 种线密度的紧密纺纯棉纱进行了条干测试,并将结果与USTER® Tester 5-S800 条干测试仪的测试结果进行了对比。结果表明：序列图像方法测得的纱线条干均匀性与USTER 条干仪的测试结果高度正相关,证明本文的方法是准确可行的。     

基于两次二维Daubechies小波变换的纸病在线辨识方法研究

针对造纸生产线上纸病在线检测系统光源不均匀性和纸病难以识别的问题,通过建立纸病图像背景模型实现动态补偿光源的不均匀成分,并根据不同纸病图像的灰度分布规律,两次使用二维小波变换增强其灰度轮廓信息和提取灰度特征,以实现纸病的在线辨识。实验结果表明,该方法可以显著提高纸病辨识精度。     

基于机器视觉技术的红枣全表面信息无损分拣系统研究与实现

设计了基于机器视觉技术相配套的红枣全表面信息无损分拣系统,整机由红枣自动喂料机构、红枣排序机构、输送及调整机构、分级执行机构、检测及控制部分组成。该系统利用镜面反射原理设计的红枣表面信息采集机构,能同时采集红枣正面、两侧面和底部图像,完成红枣全表面信息的获取,解决了以往分拣系统无法在高速运输状态下在线呈现红枣全表面信息的难点。基于视觉的无损分级软件将实时处理采集到的图像,分析与获取红枣的果形大小、表面质量、纹理等表面信息,并采用信息融合技术进行判别分级。试验结果表明,本系统分级速度快,分级准确率达到90%以上,可较好满足红枣自动化快速检测分级生产要求。     

基于改进的加权中值滤波与K-means聚类的织物缺陷检测

为检测纹理织物在生产过程中产生的各种疵点,提出一种基于改进的加权中值滤波与K-means聚类相结合的纹理织物疵点检测方法。首先利用改进的加权中值滤波对纹理织物图像进行预处理,以减少纹理信息对疵点检测产生的影响,同时通过联合直方图动态数据分配权重和像素,减少寻求中位数的时间来有效地缩短检测时间,提高了执行速度;然后采用K-means算法对滤波后的织物图像进行聚类,计算织物图像疵点和非疵点的聚类中心,进而实现图像疵点区域的分割。实验结果表明,该方法可有效地检测出方格、点形、星形、平纹、斜纹等多类型纹理织物的疵点,并显著提高检测速度。