基于小波滤波的机织物纱线排列与密度检测研究

为了改善传统人工检测纱线排列及其密度的效率,提出一种机器视觉的检测方法。首先对织物图像进行小波分解,求得垂直图像分量并对其进行Radon变换以求取织物图像校正角度。重点研究经纬纱线投影曲线的小波分解和长度对数阈值的规则滤波,以此来获取经纬纱线的位置定位。最后,对识别结果进行直观比较与统计学上的配对样本t检验,并进一步提出了纱线间距异常值判别法则。结果表明:该方法能较好地适用于机织物纱线排列关系及其密度的机器视觉判别。     

基于图像处理的梭织物密度分析检测

针对梭织物密度检测中存在的问题,提出一种基于图像处理的梭织物密度智能分析系统.该系统通过取像装置采集样品高清实时图像,对图像进行自动标定、分割及矫正,计算并输出织物样品的经纬向根数测定结果.与人工测量相比,智能分析系统的检测结果相对偏差小于5％,表明该方法适用于梭织物密度的自动分析检测.     

织物经纬密度的数字化分析系统

织物是由经纱和纬纱交织而成的,通过织物的扫描图像,可以发现经、纬两个方向上纱线与纱线之间的间隙的亮度信号有明显的变化规律。利用此规律。可以确定织物图像上经纬纱线的位置。分割经纬纱线,从而求出准确的经纬密度。     

应用深度卷积神经网络的色织物缺陷检测

针对织物缺陷检测时传统人工的误检率、漏检率较高问题,提出一种应用深度卷积神经网络的色织物缺陷检测算法。因织物图像采集过程中含有较多噪声且信噪比较低,先对缺陷织物进行最优尺寸高斯滤波,有效滤除细节噪声;再根据织物图像特征建立深度卷积神经网络,利用径向基神经网络的非线性映射能力作用于卷积神经网络,并通过反向传播算法调整权值参数,获取无缺陷样本与训练样本之间的映射函数;最后,利用映射函数及特征字典重构图像并提取特征,根据Meanshift算法分割缺陷,确定缺陷位置。结果表明：应用深度卷积神经网络的缺陷检测算法对色织物图像库中的缺陷图像可实现提高检测效率、缩短检测时间,获取准确缺陷位置的目的。     

织物经纬密度自动测量实用技术:1.测量方法

为克服单一图像处理技术在检测高紧密、歪斜变形、绒面和结构不均匀等织物的结构参数时存在的困难和低精度问题,提出一种自动测量机织物经纬密度的新方法。运用力学拉伸矫正和清晰化与图像处理的组合技术快速测定机织物的经纬密度。研究证实,基于组合技术的纱线排列密度图像测量算法易实现,且对织物结构的图像识别具有普适性,可标准化和实用化。     

采用色纺纱图像的真实感色织物模拟

为解决色织物产品设计周期长,试织打样耗时费力的问题,提出一种采用色纺纱图像的真实感色织物的模拟方法。首先采集彩色纱线图像,运用阈值分割、形态学处理得到纱线主体,获取纱线主体的上、下边界和中心线,进而得到原始纱线图像的主体部分;接着根据椭圆模型和正弦曲线模型对纱线主体图像进行处理,得到纱线在二维织物表面中的形态;最后根据色纱循环和织物组织变换模型来改变经纬纱的覆盖关系,实现了真实感条纹型和格子型色织物的模拟。模拟结果表明：本文算法能够模拟不同种类色织物的织造过程,真实地反映织物的外观效果,且能够调整织物组织和色纱循环参数,提高了现有模拟算法的真实性和适应性。     

基于尺度变换的Gabor滤波器织物疵点检测

针对织物表面疵点自动图像检测问题,提出一种基于尺度变换的Gabor滤波器织物疵点提取方法,该方法使Gabor滤波函数的比例伸缩尺度随中心频率而变化。用Gabor尺度变换的3个尺度和4个方向的滤波器组分别与正常和待识别的疵点织物图像进行卷积,提取正常与异常织物纹理特征,从而得到偏差图像。再对偏差图像进行融合,使织物疵点突显出来。最后通过阈值处理检测出织物疵点。对缺经、缺纬、经纬交错和油污4种常见织物缺陷的实验结果表明,这种方法是有效的。     

机织物图像的高精度纠偏及效果验证

为解决织物图像采集过程中出现的倾斜现象,从织物本身的纹理特征出发,根据织物图像中纱线的间隙方向与纱线一致性的原理,提出一种新的织物图像偏斜纠正方法,对纱线的间隙进行倾斜纠正,实现了整幅织物图像的有效纠偏。并利用织物图像行投影亮度离散度与纠偏角度之间关系及织物纬纱密度测量的结果,对纠偏的效果进行了验证。实验结果表明,0.05°的纠偏精度可以达到理想的效果,可为后续织物密度的自动识别及织物组织的识别奠定基础。     

基于自适应小波变换的织物密度测量

应用自适应小波变换技术以实现机织物密度的自动测量。先运用Wiener2和直方图均衡技术对织物图像进行预处理,增强图像的纹理特征;接着选取自适应小波技术对织物图像进行分解;再对分解得到的子图像进行二值、平滑等后处理;最后通过分析后处理图像的经纬纱线信息得到织物密度。试验结果证明,运用该方法能够准确测量3种基本组织的织物密度,是一种行之有效的方法。另外,还简要介绍了自适应小波的构造技术。     

小应力作用下涤粘仿毛织物的回弹性

研究了涤粘仿毛织物在小应力作用下的回弹性,根据分析20块不同种类的涤纶、粘胶仿毛织物的面积质量、经纬纱线密度、经纬纱线捻度、经纬纱线缩率以及织物的经纬密度,利用FAST-3织物风格仪测试织物经纬向的弹性伸长,利用SPSS软件进行多元回归分析,并根据P检验和t检验法则分别判断多元回归方程与各个参数的显著性,分析影响仿毛织物回弹性的因素。     

功率谱分析在机织物组织纹理识别中的应用

将功率谱应用到织物组织识别中,用功率谱及相关函数对织物图像进行处理,得到织物图像的功率谱曲线,从曲线的峰值中提取织物表面的方向性信息,得到织物经纬密度,并进一步确定织物组织的经纬纱特数、飞数和经纬纱循环数,最后得出织物的组织点属性.实验证明这种方法实际可行,对织物组织的计算机分析、识别及进一步的应用研究有重要的理论和实际意义.     

基于改进AlexNet模型的抓毛织物质量检测方法

针对传统图像识别方法对抓毛织物表面特征难以提取且识别准确率低的问题,提出了一种改进AlexNet模型的抓毛织物质量检测方法,通过数据增强方法对抓毛织物数据进行扩充,构建卷积神经网络对抓毛织物的样本特征进行提取,利用SGDM、RMSProp、Adam优化算法和改变学习率相结合的实验方法,采用全新学习与迁移学习两种算法对抓毛织物图像数据集进行训练,在训练完成后,分别利用卷积神经网络的不同深度池化层提取抓毛织物样本的特征作为输入,将提取到的抓毛织物特征拟合支持向量机(SVM)分类器,最后对输入的抓毛织物图像进行分类。实验结果表明:使用卷积神经网络方法能够增加卷积层对抓毛织物表面特征的提取能力,获得具有较高分辨力的图像特征,通过数据增强和SGDM算法训练的模型,提取网络pool5层特征拟合SVM分类器,识别准确率明显提高。基于改进AlexNet模型的抓毛织物质量检测方法能够提取抓毛织物表面特征且识别率高。     

应用局部纹理特征的无监督织物瑕疵检测算法

针对当前算法对种类繁多瑕疵,尤其是经纬向瑕疵适应差问题,提出一种应用局部纹理特征的无监督织物瑕疵检测算法。这种算法采用无监督检测方案,检测过程中不需要参考样本。在检测过程中,首先根据瑕疵稀少性特点,直接从整体织物图像中获取表征局部织物纹理的局部二值模式直方图特征;然后利用机织物经纬交织特点对局部织物图像沿经纬向投影,并在此基础上提取特征;最后计算所提取特征的瑕疵异常图,并对其进行权重方式融合后实施阈值分割,实现瑕疵检测。实验结果表明,所提出的投影特征能有效表征局部织物纹理,与局部二值模式特征结合使用能有效检测织物瑕疵。     

结合图像频域和空间域的纬编针织物密度检测方法

为解决当前基于图像处理测量纬编针织物密度准确度不高、稳定性较差等问题,提出一种结合频域和空间域来测定针织物密度的方法。首先通过离散小波变换重构针织物线圈图像获得线圈结构清晰的图像,再分别提取线圈灰度及二值图的灰度曲线。利用提出的基于概率密度统计的波谷坐标校验算法,结合线圈坐标校验算法获得实际线圈所在列坐标;再利用八邻域广度优先搜索算法求出纬编针织物横、纵方向的线圈个数,得到针织物横密和纵密。结果表明,密度检测方法与人工测量数据相比误差小于1.7％,该方法适用性好,运算量小,准确率高,可实现纬编针织物密度的自动化测量。     

Neural network trained morphological processing for the detection of defects in woven fabric

Basic morphological operations such as the erosion, dilation, opening, and closing often fail to detect various types of defects that may be present in woven fabric, mainly because of the heuristic selection of structuring element needed for these operations. In this paper, an artificial neural network (ANN) is utilized for the selection of structuring element, where ANN is trained by two pre‐assigned normalized numbers related to the warp and weft counts of the test fabric. The test gray fabric image is pre‐processed to remove noise and the interlaced grating structure of weft and warp and then converted to a binary image by thresholding. An intensity threshold value of the processed fabric image and the dimension of a sliding window needed for correlation operation are obtained from the trained ANN. Defects are detected after morphological reconstruction of the processed binary fabric image, where an ANN trained structuring element is used. The technique is tested on 317 samples for eight different types of defects in three types of plain woven fabrics from TILDA database and 92.8% success of detection is achieved.     

复合材料高压气瓶用预成型织物的设计与织造

为获得可以整体缠绕成型高压气瓶的预成型织物,为该类复合材料的低成本制造提供新途径,研究了复合材料气瓶用预成型织物的设计方法。采用玻璃纤维作经、纬纱,织制出可直接缠绕成型气瓶回转体的预成型织物。沿气瓶回转体的侧面展开织物,得到了预成型织物的形状,设计经纱沿回转体的圆周方向,纬纱沿母线方向,使预成型织物具有可织性。分析不等纬密和分区等纬密2种设计方法的气瓶用预成型织物结构。结果表明：不等纬密的织造简单,但织物结构不均匀;在分区等纬密设计中,纬纱包括长纬纱和短纬纱,长纬与全部经纱相交织,短纬仅与部分区间的经纱交织;短纬种数、长纬数与短纬数的比例、短纬在长纬中的分布规律将影响织物的结构均匀性。     

基于图像光影重构的缎纹影光织物明度预测方法

为更准确获取缎纹影光组织织物的明度值,提出一种基于织物图像光影重构的明度预测方法。将织物图像分离为经纬图形层、阴影层和材质层,计算3层中不同因素的相对面积率,并赋予各图形面积以实际经纬纱线明度值,采用明度相加重构织物图像明度值,再将重构明度与织物实际测色数据进行拟合分析。选择经纬图形、投影和杂点面积率为自变量,建立经、纬两向加强织物的明度预测回归模型,并随机选取样本检验模型精确度。结果表明:经纬图形层重构明度与织物实测明度的接近度为0.15,依次增加阴影层和材质层明度,则接近度从0.76提升为0.89;模型预测的织物明度总体相对误差在±4%以内,预测结果可为影光组织织物设计提供参考。     

基于频域特征点提取的素色机织物密度识别算法

通过计算机图像处理技术对织物图像进行分析,利用傅里叶变换技术将织物图像从空间域转换到频率域,并采用对比度拉伸、高斯低通滤波等图像预处理手段来增强图像质量,然后使用阈值处理技术对织物频谱图进行处理,得到包含织物密度信息的特征点坐标。通过频谱图上特征点坐标和空间域周期的对应关系,经计算最终得到织物经纬密度。实验结果表明,织物密度识别最高误差为2.8%,此方法可以实现三原组织素色织物的经纬密度的自动识别。     

织物缩水机理及其数学模型的研究与应用

通过解析织物缩水率与织物结构参数、织造条件、原料特性之间的关系,基于生产实践中人们对织物缩水现象的认识,从平纹织物着手,建立了织物的缩水模型,给出了根据织造工艺技术条件估计缩水率的方法及计算公式。通过实验测试棉织物、粘胶织物的缩水率,并与理论计算结果进行了比较分析,验证了理论结果的可靠性。还利用此模型,分析讨论了纱线直径、经纱屈曲波高、织物纬密、纱线溶胀率对织物经向缩水率的影响。     

涤粘仿毛织物组织参数因子与风格的数学关系

在涤粘仿毛织物风格的因子分析过程中,将FAST织物风格仪测试的26个物理力学性能指标按照因子的重要程度分为4类:第1类风格分别为ST、T100R、HE.2、RS.1、E100.2、HE.1、F.1、F.2;第2类风格分别为E100.1、A.1、T2R、T2、E20.2、B.2、E20.1、T100;第3类风格分别为B.1、G、A.2、E5.1、STR、C.1、E5.2、C.2;第4类风格分别为EB5、RS.2。然后将织物的组织参数按照因子分为3类:第1类分别为纬纱缩率、经纱缩率、经纱捻度;第2类分别为织物经密、纬纱线密度、纬纱捻度;第3类分别为织物纬密、织物面密度及经纱线密度。通过经织物风格及组织参数的因子分析,探讨了各个因子对于织物风格影响的重要程度。