[发明专利]基于机器视觉的布匹瑕疵检测方法

说明书

技术领域

本发明属于图像处理与模式识别技术领域，涉及一种基于机器视觉的布匹瑕疵检测方法。

背景技术

在纺织工业中，布匹瑕疵检测环节是影响产品质量的关键因素。在产品生产过程中，由于机器设备操作错误或者机器故障等因素的影响，布匹中通常含有各种各样的瑕疵。目前，国内的大多数织布厂主要依靠人工视觉检测布匹瑕疵，存在明显缺陷：(1)劳动强度大，检测速度慢，检测效率低；(2)检测人员需要长时间地集中精神工作，整个工作对工人身体健康不利；(3)检测人员主观因素影响大，误检率和漏检率高，一般只能检出40％～60％的瑕疵。

目前市场上主要有比利时Barco公司的Cyclops在线验布系统，以色列爱微视(EVS)公司的I-TEX验布系统和瑞士Uster公司的Fabriscan自动验布系统和德国Opdix光电子技术公司开发的在线布匹检验系统。在国内香港大学研制了基于Gabor滤波器组的布匹瑕疵检测系统CAVIS，具有一定的检测率。以上介绍的检测系统价格非常昂贵，检测系统均已经用于实际的布匹生产检测过程中，并且它们的检测效果一般并且具有很强的局限性，它们都要求布匹必须是单一背景或者纹理是各向同性，而且对于较小能量的瑕瑕疵，很难正确的检测出来。

发明内容

为了克服布匹瑕疵人工检测的不足，针对基于Gabor滤波器组的布匹瑕疵检测算法计算量较大、检测速度慢的缺点，本发明提供一种通用性强、成本较低并能提高检测效率和效果的基于机器视觉的布匹瑕疵检测方法。本发明的技术方案如下：

一种基于机器视觉的布匹瑕疵检测方法，包括下列步骤：

(1)工业相机采集正常布匹纹理图像P(x，y)；

(2)对P(x，y)利用功率谱密度分析，获取布匹图像纹理的中心频率F和方位角θ；

(3)确定图象纹理的两组参数：中心频率组(F，F/2)；方位角组(θ，θ+π/2)，利用这两组参数设定并组成S×L的自适应Gabor滤波器组，其中，S代表选取的中心频率数，L代表选取的方位角数；

(4)在离线情况下，对正常布匹纹理图像P(x，y)进行自适应Gabor滤波器组的滤波，获得特征图像组H_m，n(x，y)，计算出它的每幅图的均值(Mea_m，n)和方差(Std_m，n)，用作检测图象瑕疵的阈值。

(5)采集待检测布匹图像I(x，y)；

(6)用构建的自适应Gabor滤波器组对布匹图像I(x，y)进行滤波，获得特征图像组H_m，n(x，y)；

(7)用从(4)获取的均值(Mea_m，n)和方差(Std_m，n)对H_m，n(x，y)进行阈值后处理得到绝对特征图像组

其中，τ是可调的参数，取值范围2-3；

(8)对图像组F_m，n(x，y)进行归一化处理得到相对特征图像组N_m，n(x，y)；

(9)对图像组N_m，n(x，y)进行方向角和频率的融合，并进行二值化处理得到检测二值图像I_bm(x，y)；

(10)利用最小瑕疵的面积信息去除二值图像I_bm(x，y)中的噪声干扰，获得最终检测结果I_out(x，y)；

(11)判断检测结果I_out(x，y)是否含有瑕疵。

作为优选实施方式，所述的基于机器视觉的布匹瑕疵检测方法，步骤(9)中，使用Bernoulli准则的融合方法对图像组N_m，n(x，y)进行方向角和频率的融合得到图象。