[发明专利]一种巡游式机织面料疵点在线检测器

说明书

本发明涉及一种巡游式机织面料疵点在线检测器及应用。本发明针对当前机织面料疵点自动检测技术运行时间长、漏检高、资源占用多的特点，提出了一种针对机织面料的巡游式在线疵点检测器。本发明首先根据机织面料的表面特征和其疵点的形成机理和图像特征，设计了机织面料在线疵点检测算法，运用深度可分离卷积减少神经网络的参数量和计算量；其次设计了巡游式在线疵点检测装置，通过控制单元输出脉冲信号驱动步进电机，精确控制同步带滑台上的单个相机进行纬向位移，二次覆盖单向检测的漏检区，实现了全幅面巡游检测。本发明能够解决目前自动检测技术的不足，实现机织面料生产线上的疵点检测。

技术领域

本发明涉及一种机织面料在线生产环境下的疵点检测装置，属于机织面料的疵点检测技术领域。

背景技术

我国是纺织大国，现代纺织企业生产力高度发展，提高产品质量和降低生产成本成为企业生存的关键，所以纺织品的质量把控逐渐成为纺织行业内关注的焦点。在面料生产的工艺流程中，面料质检是其中的重要环节，而疵点检测又是面料质检的重要内容，面料疵点也是影响成品面料质量的主要因素。

传统的检测技术主要分为基于空间域统计的疵点检测方法，基于频谱分析的疵点检测方法和基于模型匹配的疵点检测方法。基于空间域统计的方法通过不同的算法表示区域统计特征，区分疵点和面料背景，常用算法有分形维数，特征滤波，灰度统计等。基于频谱分析的方法通过将图像变换至频域，利用频谱特性区分疵点和面料背景，常用算法有离散傅里叶变换、Gabor变换、小波变换等。基于模型匹配的方法先判断面料模型，再通过正常面料确定模型参数，进而检验面料是否含有疵点，常用有高斯马尔可夫模型、高斯混合模型等。

近年来，深度学习的兴起为面料的疵点检测提供了新思路。Liu Z等人通过基于点到点的方式利用卷积神经网络对面料疵点进行检测；Wang B等人利用卷积网络对织物进行提取特征，并结合低秩模型来显示疵点区域；景军锋等人提出将Faster R-CNN网络用于有纹理和有色织物的疵点检测，但目前国内仍缺乏对于深度学习在面料疵点在线检测方面的研究。

发明内容

本发明的目的是：实现针对机织面料在线生产环境的疵点检测。

为了达到上述目的，本发明的技术方案提供了一种巡游式机织面料疵点在线检测器，用于进行机织面料疵点的在线检测和机织面料疵点的离线检测，其特征在于，包括：

图像获取模块，用于在进行机织面料疵点的在线检测时，获得待检测的机织面料的实时面料图像；

位移模块，用于在进行机织面料疵点的在线检测时，带动图像获取模块沿纬向进行I次全幅面巡游，图像获取模块在巡游过程中实时获得面料图像；将一次巡游定义为：沿纬向从机织面料幅面的一端平移至机织面料幅面的另一端，再从机织面料幅面的另一端重新回到机织面料幅面的一端，进一步，将一次巡游中，沿纬向从机织面料幅面的一端平移至机织面料幅面的另一端定义为第一次平移过程，沿纬向从机织面料幅面的另一端重新回到机织面料幅面的一端定义为第二次平移过程，则图像获取模块在一次巡游的第一次平移过程及第二次平移过程中均获得N张实时面料图像，且第一次平移过程获得的N张实时面料图像与第二次平移过程中获得的N张实时面料图像在纬向位置上一一对应，则有：

第i次巡游中第一次平移过程获得的第n张实时面料图像与第i-1次巡游中第二次平移过程获得的第n张实时面料图像存在重叠区域，并且与第i次巡游中第二次平移过程获得的第n张实时面料图像存在重叠区域，达到二次覆盖漏检区的目的以克服因机织面料沿经向运动所造成的图像漏采，n＝1,…,N，i＝2,…,I；

机织面料疵点检测算法模块，在进行机织面料疵点的离线检测时，获得用户指定的目标检测图片，对目标检测图片进行疵点检测，输出离线疵点检测结果；在进行机织面料疵点的在线检测时，获得图像获取模块采集的实时面料图像，对每张实时面料图像进行遍历式检测，输出在线疵点检测结果。