《局部熵的疵点检测》-毕业论文.docVIP

1 前言 1.1 引言 国内纺织工业在自动化技术应用上已经取得很大的发展。各道工序的生产效率也得以大幅度的提高。然而，纺织检测的效率并没有同步提高。目前，这一工序主要还是依赖人工操作。 众所周知，织物疵点是是影响织物品质的重要因素。疵点检测的目的就是在织造完成后，验布过程中及时发现这些工业已经存在的疵点，通过修复和整理，尽可能降低由疵点导致的织物质量下降的问题，同时完成疵点的分类，以评价织物的质量等级。 织物疵点的检测是纺织品检验中最重要的检测项目之一。长期以来。疵点的检测都是由人工视觉完成，也就是检验员在没有眩光的背面窗旁或日光灯照明条件下按照自己的经验对织物评分，按评等标准对织物等级做出评定，并填写各种织物疵点报表。这种方法显然存在一些缺陷，如劳动强度大、效率低、漏检率高、受检验人员主观因素影响大，难以得到准确的检验结果等。而且需要长时间专心工作，对工人身体健康很不利。因此，人工检验一般只能检验出40%-60%的疵点。织物检验已被证实是所有纺织生产过程中最难实现自动化的工序。为了提高产品的质量管理和控制水平，实现织物疵点的客观评价，降低成本和减轻验布人员的负担，织物疵点的自动检测和评分系统日益受到国内外学者的关注。人们已花费了数十年的时间来提高计算机的性能和扫描技术来攻克这一课题，试图找到一种快速、客观又准确的自动检测方法来代替人工检测。同时，织物疵点自动检测是对织物质量进行控制和实现织造及验布工序自动化、无人化的关键环节。长期以来它一直是国内外学者共同关注和热心研究并得到许多国家官方机构资助的重要课题之一。 1.2 选题意义 随着计算机数字图像处理技术的发展，使得基于图像处理和微型计算机平台的织物疵点检测成为可能，并逐渐形成织物疵点自动检测的一个很重要的方向。 但是目前为止，尽管已经出现了大量有价值的文献成果，科研水平也稳步提高，但尚未形成统一、完善、完整的体系。新的方法不断出现，但较为成熟的检测系统甚少。国外一些公司也有在市场上推出了自己的自动验布系统，但大都存在一些缺陷，如它们对织物品种适应性和对疵点种类的区分能力有限，实际应用上的局限性较大，成本高，动态响应慢等。在把自动化技术应用于纺织行业的生产检测和管理已变得越来越重要的今天，还需要国内外科技工作人员进一步探索和研究出更实用的疵点检测系统。 本课题基于以上背景情况，用局部熵的方法对织物进行分析和处理，能快速、精确的识别部分疵点类型。 1.3 研究现状 1.3.1国外研究现状 目前人工检验的验布机速度为 1 5 m /min-20 m /min，而自动验布机的速度为100 m /min,有的可达到300 m /min，且检验有效率比人工检验更高，原来用20多台验布机的工作量，仅用2，3 套自动验布机即可完成，大大提高了劳动生产率和工作效率。现将目前世界纺织业常见的自动验布系统的组成和特点介绍如下。 Uster 公司的Fabriscan 自动验布系统,在宽度方向装有2-8 只特制高分辨率线扫描CCD 摄像机，检测织物幅宽范围110-440cm，速度最搞可达120ｍ/min。系统采用神经网络技术，检测时,首先是初始的学习阶段，用时约1min，对织物的第一米记录其正常外观特征参数,然后进入检测阶段，寻找与正常外观不同的局部异常，对其分析、标记并记录。另外，检测结果可输入集成的质量管理系统,对疵点分类，进一步对织物质量评价。 德国 Obdix 光电子技术公司开发的在线织物检验系统[1]。这个系统把光学和力学结合在一起的，在用神经网络方法处理的软件支持下用传感器对正在织造的织物表面进行检测。这个装置能分类如下疵点;污物，破洞，断经，断纬，跳纱，结子，接结疵，色疵。以色列 EVS 公司的坯布自动检测系统核心装置I-TEX 是一套计观察检测系统[2]，该系统基于独立图象理解算法，而其算法则模仿人类的视觉机制，可自动控制探测、保存、定位并进一步对布面上的疵点进行评估分析，能检测出小至0. 5 mm 的可见疵点，检测门幅达330 cm。该公司已向欧洲、美洲、亚洲和非洲的纺织印染企业出售了200 多套1-TEX 系统。其数量占现有整个织物疵点自动检验系统市场份额的90%以上，在我国仅有极少数厂家引进了该系统。 国外学者对织物疵点自动识别的研究已有近 30 年，在发展中算法不断更新和完善，速度不断提高[3]。所有具有实用价值的算法基本遵循先提取特征值，再输入神经网络进行识别的过程。提取特征值最初阶段的算法多是利用图像灰度值直接计算,如灰度共生矩阵、马尔科夫随机场等，其中一些算法存在计算量大而导致处理速度过慢的缺点，而且识别率普遍不高。接着引入的是傅立叶和Gaber 变换，按照获取和处理图像方式的不同分为两类：一种以CCD 采集织物图像信息，由计算机软件处理对织