[发明专利]一种图案布匹瑕疵在线视觉检测方法

说明书

技术领域

本发明涉及利用机器视觉对织机在图案布匹织布过程的在线检测领域，具体是指一种应用于工业现场的、高实时性要求的织机在复杂图案布匹织布过程中出现瑕疵及时停机的图像处理方法。 

背景技术

随着人们对布匹品质要求的提高，对布匹检测愈加重要，传统人工检测技术成本高、速度慢且人眼长期工作容易疲惫造成误检，极易造成出现瑕疵而织机仍旧工作的事故，造成布匹品质下降的同时也造成对现代经济市场中严格控制生产成本提高产品质量的工厂带来较大压力。织机在织布过程中智能且及时发现瑕疵并自动停机等待检修是亟需解决的一个课题。 

当前对织机织布过程中瑕疵检测技术研究较多集中在对于无纺布或是斜纹布等纹理规则且纹理非常小的布匹检测领域，对于有图案或是纹理较大例如点纹、条纹等布匹检测却极少涉及。原因一方面此类布匹检测难度较大，纹理较小布匹可以通过Gabor或小波变换等频域方法消除小纹理影响进而通过设定阈值分离出瑕疵区域，而大纹理图案布匹难以消除纹理信息；另一方面图案布匹多样且变换复杂，设计对特定一种图案检测方案难以形成可以适应于其他图案的统一的检测方案。 

发明内容

本发明目的在于针对较大纹理的图案布匹难以检测的现状，提供一种针对图案布匹(包括毛衣等针织物)瑕疵在线视觉检测方案，可以适应工业现场高实时性、高准确率的要求。 

为达此目的，本发明的技术方案如下：分为离线训练过程和在线检测过程，对于任意一批纹理布匹，相机安装调试后只需离线对标准无瑕疵布匹训练一次便可在线检测。具体包括以下步骤： 

离线训练过程： 

(1)实时获取织机无瑕疵布匹图像，在织机出布口约5cm处调整相机镜头光圈、焦距等机械参数，在出布口下方安装大功率条形光源，拍摄图片，实时获取布匹图像序列。 

(2)对获取的无瑕疵布匹图像预处理，通过高斯滤波去除图像干扰点；通过直方图均衡化拉伸图像，增强对比度，凸显图像纹理。 

(3)布匹图像纹理基元周期精确求取 

(3.1)构建图像距离叠加方程，分别求取水平和竖直方向距离叠加函数，分别累加并求取极小值。 

(3.2)分别对水平和竖直方向所求极小值做权重分析以消除由于噪声产生的干扰毛刺的影响。首先对极小值用冒泡排序法做升序排列，计算每一点与排列后在其前的点的距离的最小值，对最小值用冒泡排序法做降序排列，由前至后权重逐渐降低，舍弃权重较低点。 

(3_3)分别计算水平和竖直方向极小值间距离之差，选取出现次数最多的距离之差为此方向周期，记周期分布为m和n。 

(3.4)修正周期用于检测条纹布匹，若周期m或n有一个为0或者二者相差极大，修正周期。 

(4)在标准无瑕疵图像上选取m×n 大小的一块作为模板图像M_m×n 。对此模板图像依次偏移，可得m×n 个偏移子图像序列，记为L_std。 

(5)在标准无瑕疵图像上随机选取N幅基元周期大小的图像块用于特征提取。分别求取每一图像块与偏移基元序列L_std间能量之差，计算能量之差的均值以及方差，可得无瑕疵基元与标准无瑕疵图像M_m×n ，的N个能量均值和N个能量方差，分别记为ENY和VAR。 

(6)构建分类策略，创建双层分类机制。首先第一层模糊分类，根据能量均值和能量方差的二维分布确定边界值，确定可能含有瑕疵的基元，其次第二层精确分类在线检测过程中完成。 

在线检测过程： 

(1)实时获取织机布匹图像，在织机出布口约5cm处拍摄图片，实时获取织机待检测布匹图像。通过高斯滤波去除图像干扰点；通过直方图均衡化拉伸图像，增强对比度，凸显图像纹理，提取竖直方向高度与基元竖直周期大小相同的一长条区域进行检测。 

(2)在待检测长条区域上，自左向右依次选取大小为基元周期m× n的图像块用以检测。分别求取每块与标准模板偏移基元序列L_std，间能量之差，计算能量之差的均值以及方差。 

(3)第一层模糊分类，根据离线训练所得边界值判断此图像块是否可能含有瑕疵，若均无可能含有瑕疵，结束检测进入下一帧图像检测，若有图像块可能含有瑕疵，做第二层精确分类。