论文部分内容阅读
织物表面疵点是影响织物质量和价格的主要因素,疵点检测是纺织品质量控制与质量检验过程中的重要环节,但国内市场上还没有成熟的疵点检测系统。因此,根据我国纺织业的实际情况,采用有效的算法和较低的硬件成本,研究适用于实际生产的疵点检测系统具有重要意义。随着电子技术的快速发展,嵌入式图像处理系统的性能不断提高,功能更加丰富,基于Zynq的软硬件协同设计平台集成了ARM处理器和FPGA可编程逻辑器件,适合计算密集且功能丰富的嵌入式应用,有着广阔的应用前景。本文在嵌入式图像处理应用的基础上,提出了基于ARM+FPGA的疵点分类系统设计与实现。主要研究内容如下:(1)织物疵点分类图像处理的设计与实现。文中以坯布疵点为主要研究对象,对实际生产中常见的六类疵点进行分类。首先对获取的图片进行了中值滤波和直方图均衡化的预处理,滤除噪声,增强图片疵点信息。然后对预处理之后图片提取特征值,采用了局部二进制模式和灰度共生矩阵两种方式,对图像的局部和全部纹理特征信息进行描述,最后将提取的特征值送入分类器进行训练和测试。(2)疵点分类的分类器选择。文中针对小样本的问题选择了支持向量机分类器,对分类器分别选取不同的核函数进行训练和测试,并通过交叉验证法求取最优核参数,最终选择分类效果最好的径向基核函数作为分类器的核函数。在此基础上对支持向量机进行改进,采用了最小二乘支持向量机,通过交叉验证进行参数寻优。针对交叉验证在寻取参数过程非常耗时的缺点,采用贝叶斯框架寻取最优参数,并对其结果进行比较。(3)本系统以Xilinx的ZedBoard作为硬件系统,其核心是ARM+FPGA的多核异构结构。在ZedBoard的ARM系统上运行Linux系统,利用USB摄像头获取织物图像,通过Qt和OpenCV工具库实现疵点分类算法,并将算法执行过程通过FPGA控制的HDMI接口输出并显示。疵点分类算法首先通过Matlab进行功能验证,然后在PC机进行编程并测试,最后通过交叉编译,将算法移植在开发板上执行,同时测试运行结果,该系统能够实现疵点图像的采集和分类。结果表明,该系统实时性好,分类准确率高,且功耗小。