丝织物疵点智能化判别.pdfVIP

稚第六届全国丝绸创新及产品开发论坛“金富春杯”论文集蠹 丝织物疵点智能化判别 努尔顿，左保齐 (苏州大学材料工程学院，江苏苏州2150211) 摘要：主要对平纹、斜纹和缎纹组织丝织物的一些常她疵点，如档疵、缺纬、缺经、重纬、油污等进行 _『智能化判别。先用SONY数码相机在黑色的背景下对疵点进行了拍照得到了陶像数据，然后用一系 列图像预处理法，如直方图处理变换增加了织物图像的对比度、用计算得到的阈值对织物进行了二值化 处理、滤波方法消除二值化处理后图像噪声等，从织物纹理分离出疵点部分，得到了可以分析的织物疵 点图像。用灰度统计法财预处理得到的织物疵点图像进行了分析，得到了织物各疵点基本特征值信息。 织物疵点智能化判别是用BP神经网络进行的，首先对BP神经网络进行了训练，然后将灰度统计法得 到的疵点特征值信息输入到BP神经网络，对疵点进行丁分类。 关键词：丝织物；疵点；质量检测；智能化；原理；方法 图像识别技术在军事、国防、医学及各种安伞工作中发挥着巨大作用。在高科技方面的应用也很广泛。近年 来图像识别技术在工业生产中，特别是在各工业生产中的检验工作和实现生产自动化、智能化方面，愈来愈成为 提高劳动生产率、保证产品质量的重要手段。 随着计算机软、硬件技术的提高和普及，利用计算机解决纺织行业中的诸如纤维材料性能检测、纱线性能检 测、半制品检测等各种技术问题，可获得比人工检测更迅速、更精确的结果。纺织品检验中织物疵点检验是纺织 品中最重要的检验项目之一，目前基本用人工北光检测或机械灯光检测，也就是检验人员在没有眩光的北面窗旁 或日光灯照明条件下按照个人经验和织物评分、评等标准对织物等级作出评定，并填写各种织物疵点报表。这种 方法存在劳动强度大、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。而用计算机图像识别 技术进行检验工作可以弥补这方面缺陷。织物疵点的图像识别是指按照某一种算法对织物表面图像进行处理并 识别出疵点种类、程度等。织物疵点自动识别是对织物质量进行控制和实现织造及检验工序自动化、无人化的关 键环节。通过计算机识别技术可对织物进行在线质量控制工作，为指导生产提供必要的依据。 国内外在纺织品计算机自动检验方面进行过大量的研究，计算机图像识别技术在纺织品检验中的应用主要 包括织物疵点检验、纱线匀度、洁净、清洁度检验、混纺纱中各纤维的识别、棉网棉结检验等”“1。但针对单纱细、 织物密度高的丝织物疵点的计算机自动检验尚未见报道。在本文主要针对单纱细、织物密度高的平纹、斜纹、缎 纹丝织物常见织物疵点，如档疵、缺经、缺纬、重纬、油污等疵点进行检测及智能识别研究”“1，为丝织物计算机质 量检测研究探索一种可行的方法。 1织物疵点识别原理 1．1 丝织物疵点计算机识别过程 本文以织物疵点灰度特征作为泌别的基础。一般没有疵点的织物图像比较均匀，其局部平均灰度比较稳定， 没有大的变化；当织物上出现疵点的时候，在特殊的照射和背景条件下，其局部平均灰度会发生变化，如档疵、缺 纬、缺经、油污、破洞等疵点的局部平均灰度跟周围正常区域比较相对低，而重纬等疵点的局部平均灰度高于周围 的正常区域。利用这种我们对几种织物疵点进行了研究。 虽然疵点区跟周围有明显的区别，但由于织物图片本身有纹理，难以直接把疵点部分分离，故要进行预处理 工作。先用直方圈变换增加图片的对比度，从而明暗区域变得清楚更有助于分离疵点；然后以Jox10矩阵作为 运算单元，计算整个图像数据的平均值，并作为新的矩阵，按照这个新矩阵的平均值和标准方差算出两种阈值，即 ·110· 稚第六届全国丝绸创新厦产品开发论坛“金富春杯”论文篥稚 高阈值和低阈值，然后利用这些阈值对图像进行二值化。这样成功的分离出织物的低灰度疵点区域和高灰度疵 点区域。由于外界条件影响和织物上一些不均匀的区域，在二值化后的织物表面上存在一些孤立的部分，这些部 分不属于疵点区域，最后用滤波器对二值化后的图像进行滤波，消除掉一些被错误判定为疵点区域的部分，从织 物纹理中分离山疵点部分。下一步是用灰度统计法算出疵点区域的一些特征值，如长度、宽度、面积、灰度范围 等。由于这些特征值比较分散，将这些数据进行识别和规范化后，得到一组神经网络输入值。先用一组标准疵点 数据对神经网络进行训练。再以灰度统计法得到的数据作为输入值用B