0510-68585289
banner2


行業應用

當前位置:主頁 > 行業應用 >

機器視覺在紡織檢測領域中的應用

發布時間:2019/03/24 點擊量:

摘    要:介紹機器視覺的研究內容,比較機器視覺與人類視覺的差異,論述機器視覺檢測中幾種基本技術,闡述機器視覺在紡織檢測領域中的應用。
 
關鍵詞: 機器視覺  紡織檢測
 
一、機器視覺的研究內容
 
  人們從外界環境獲取的信息中,80 %來自於視覺,其它來自於觸覺、聽覺、嗅覺等感覺器官。當人們的眼睛從自己周圍的環境獲取大量信息,並傳入大腦後,由大腦根據知識或經驗對信息進行加工、推理等處理工作,最後識別、理解周圍環境,包括環境內的對象物,如運動物體與物體間的相對位置、形狀、大小、顏色、紋理、運動還是靜止等。機器視覺就是用計算機模擬人眼的視覺功能,從圖像或圖像序列中提取信息,對客觀世界的三維景物和物體進行形態和運動識別。機器視覺研究的基本目的之一就是要尋找人類視覺規律,從而開發出從圖像輸入到自然景物分析的圖像理解係統。對於機器視覺係統來說,輸入是表示三維景物投影的灰度陣列(可以有若幹個輸入陣列) ,這些陣列可提供從不同方向、不同視角、不同時刻得到的信息。希望的輸出是對圖像所代表景物的符號描述。通常這些描述是關於物體的類別和物體間的關係,但也可能包括如表麵空間結構、表麵物理特性(形狀、紋理、顏色、材料) 、陰影以及光源位置等信息。目前許多機器視覺專家都是在馬爾(Marr) 創立的視覺計算理論框架下求索。
 
二、機器視覺與人類視覺的差異
 
 
對於人的視覺來說,由於人的大腦和神經的高度發展,其目標識別能力很強。但是,人的視覺也同樣存在障礙,例如,即使具有一雙敏銳視覺和極為高度發達頭腦的人,一旦置於某種特殊環境(即使曾經具備一定的檢驗知識) ,其目標識別能力也會急劇下降。事實上人們在這種環境下,麵對簡單物體時,仍然可以有效而簡便地識別,而在這種情況下麵對複雜目標或特殊背景時,才會在視覺功能上發生障礙,兩者共同的結果是導致目標識別的有效性和可靠性的大幅度下降。將人的視覺引入機器視覺中,機器視覺也存在著這樣的障礙。它主要表現在3 個方麵:1) 如何準確、高速(實時) 地識別出目標;2) 如何有效地增大存儲容量,以便容納足夠細節的目標圖像;3) 如何有效地構造和組織出可靠的識別算法,並且順利地實現。前兩者相當於人的大腦這樣的物質基礎,這期待著高速的陣列處理單元以及算法(如神經網絡[1 > 、分維算法[2 > 、小波變換[3 > 等算法) 的新突破,用極少的計算量以及高度地並行性實現功能。為了便於理解,現將人的視覺與當前機器視覺對比列於表1、表2。

機器視覺在紡織檢測領域中的應用
機器視覺在紡織檢測領域中的應用
 
三、機器視覺檢測中幾種基本技術
 
1.訓練係統
 
  先將參考織物或圖片的圖像輸入微機圖像處理係統,選擇並計算可表示圖像特征的參數,以確定疵點或圖形的分類指標,如灰度級,疵點或圖形的麵積,疵點在經緯向尺寸、形態等,是係統獲得這些指標的標準。然後將所測試的織物輸入,計算其各點灰度值及一些需比較的特征參數與標準比較,確定疵點或圖形分類。
 
2.樣板匹配
 
  求得某一圖像哪一部分對應另一圖像的哪一部分是或比較2 幅圖像的相似度時,采用樣板樣匹配的方法。一般將樣板t ( x , y) ,令其中心與圖像的一點( i , j) 重合,逐點檢測,找出差距小於閾值的部位,定位相同或相似的,大於閾值的部位,定為不同或不相似的點。
 
2.二值化處理
 
  為將圖形與背景分離,根據灰度值確定一定灰度域值。將灰度值大於此域的點置為1 ,小於此域值的點為0。使圖像變為黑白二值圖像,便於圖形特征測量和結構分析描述。
 
3.腐蝕和膨脹
 
  腐蝕可使輪廓邊界收縮,膨脹可使輪廓邊界膨脹,腐蝕和膨脹的不同組合,不同處理次數,可以得到不同的圖形效果,如使圖像中的小孔使之檢測出來或使之消除。
 
4.細線化
 
  對給定的圖形使之細化,從而提取線寬為1 的中心線的操作。在細線化中,不改變原圖的連接性,使圖形骨架輪廓結構清晰,便於計算,不會因邊界上的小凹凸而產生毛刺。在計算非織造布纖維取向度是用此法處理。
 
5.紋理分析
 
  在分析縐組織的縐效果或羊絨的鱗片結構時,須用紋理分析的方法。紋理分析內容包括:紋理特征的計算(如直方圖特征、灰度共生矩陣、傅立葉特征) 微粒區域的分割與紋理邊緣的檢測。
 
6.自相關函數和互相關函數
 
自相關函數可描述具有重複組織結果的圖像的組織結構單元的形狀和大小。當自相關函數出現大值時,表明有最大的相關性。結合考慮組織結構,計算織物循環單元。這在選擇窗口尺寸時非常有用。不同圖像的互相關函數,可以比較其相似或匹配程度在利用模板尋找相似圖像中是一種很有用的工具。互相關函數值越大,表明相似程度越大。
 
7.平滑處理
 
圖像平滑實際上是去除灰度圖像中個別灰度變化劇烈的像素即去除尖銳的噪聲,使灰度圖像與實際物體的灰度變化相符,便於觀察。
 
8.銳化處理( 峰化處理)
 
銳化處理可以使圖像中的邊緣突出,采用微分或梯度處理,在灰度變化率最大的位置加強其灰度值使其輪廓邊緣突出,讓高頻分量抬高,而低頻量受到一定抑製,使圖像輪廓更清晰。
 
9.小波分析
 
小波分析是一種新近發展起來的先進處理技術,由於小波變換是時間和頻率的局域變換,因而能有效地從信號中提取信息,通過伸縮和平移等運算功能對函數或信號進行多尺度細化分析,因而小波變換被譽為“數學顯微鏡”。小波分析對於非平穩信號的處理非常有效,使得圖像的邊緣更加清晰和突出,利用多尺度邊緣檢測在不同尺度上對信號進行平滑並求導,然後由一階導數的局部模極大值點或二階導數的過零點確定信號的邊緣點。小波分析能同時利用信號與噪波在時域和頻域內的差別,實現更為有效的信噪分離,從而獲得更為理想的降噪效果。小波變換的除噪的原理是把帶有噪波的測量信號進行小波分解,由於信號與測量噪波在小波變換下的行為各不相同,二者可以被分離出來,把那些屬於測量噪波的小波係數置為1 ,剩餘的部分進行小波重構得到沒有噪聲的信號。與常用的檢測方法相比,小波變換可以把信號分解成基本建築塊,在時域和頻域都便於定位,可以有效地表征信號的局部奇異性,同時對於較小結構的輪廓和較大結構的邊界可以進一步地以變尺度小波分析精確地檢測出來。而且使用小波分析法也大大地提高了運算速度。
 
四、機器視覺在紡織檢測中的應用
 
  視覺的最大優點是與被觀測的對象無接觸,因此對觀測與被觀測者都不會產生任何損傷,十分安全可靠,這是其它感覺方式無法比擬的。另外,視覺方式所能檢測的對象十分廣泛,可以說是對對象不加選擇。理論上,人眼觀察不到的範圍機器視覺也可以觀察,例如紅外線、微波、超聲波等人類就觀察不到,而機器視覺則可以利用這方麵的傳感器件形成紅外線、微波、超聲波等圖像。因此可以說是擴展了人類的視覺範圍。另外,人無法長時間地觀察對象,機器視覺則不知疲勞,始終如一地觀測,所以機器視覺可以廣泛地用於長時間惡劣的工作環境。
 
  在紡織企業中視覺檢測是質量控製的主要組成部分,傳統的檢測是通過人來完成的,因此,效率和質量都不高,用機器視覺代替人的視覺可以克服人工檢測所造成的各種誤差,大大提高了檢測精度和效率。正是由於視覺係統的高效率和非接觸性,機器視覺在紡織檢測中的應用越來越廣泛 ,在許多方麵已取得了成效。由於智能機器人和其它應用領域對實時處理的迫切需要,用於機器視覺處理的專用硬件已出現。例如:
 
1) 專業並行處理計算機,它可以進行陣列處理、流水線處理和多重處理;
2) 用於照相機測距的大規模集成電路芯片;
3) 以視頻速度完成二維DCG函數濾波的卷積器;
4) 實時實用立體視覺匹配器;
5) 目前已出現了在同一集成電路芯片上完成光信號敏感、模P數信號轉換和初級視覺信息處理的功能組件;
6) 以芯片為基礎構成能跟蹤物體三維運動的組件。
機器視覺在紡織檢測領域中的應用

    機器視覺用可於檢測與紡織材料表麵有關的性能指標(見表3) 。目前主要的研究內容可分為三大類:纖維、紗線、織物。由於織物疵點檢測(在線檢測) 需要很快的計算速度,因此,設備費用比較昂貴,目前在線檢測的應用比較少,主要應用是離線檢測(如表3) ,主要的檢測有紡織布料識別與質量評定、織物表麵絨毛鑒定、織物的反射特性、合成紗線橫截麵分析、紗線結構分析等。此外還可用於織物組織設計、花型紋板、棉粒檢測、分析紗線表麵摩擦。
機器視覺在紡織檢測領域中的應用


地址:江蘇省無錫市新吳區江大創業園   電話:0510-68585289    Copyright © 2014-2018 AG8亚洲国际智能 版權所有     ICP備案編號: