论文部分内容阅读
在纺织品的生产过程中,织物疵点检测是一个很重要的工序,是保证产品质量,提高质量控制水平的关键。传统的疵点检测主要靠人工完成,这种方法存在漏检率高、生产率低、不符合以人为本的现代生产理念等诸多缺点,在织物疵点检测领域实现信息化和自动化是整个行业的迫切需求。为此,作者所在课题组自主研发了一套“基于机器视觉的织物疵点实时自动检测平台”,这为验证疵点检测算法的实时性提供了平台保证。本课题正是以此自动验布平台为基础,对现存织物疵点检测算法进行研究,从而找出一种或若干种实时性较好、综合检测性能较佳的织物疵点检测算法。首先,论文对本课题的研究背景和研究意义进行分析,并介绍了课题组的自动验布平台。其次,验证了现存9种织物疵点检测算法的可行性,并在Visual Studio2008环境下将9种算法用ANSIC语言编写软件实现。随后在离线条件下用9种算法分别对同一批平纹织物疵点图像进行检测,并对结果进行优选,得出结论：局部阈值分割算法、最小二乘拟合算法、二维分形算法以及一维时间序列分形算法是四种综合性能较佳的疵点检测算法。然后,将优选出的4种算法分别在DSP中完成嵌入式实现,并分别应用每种算法对平纹织物进行在线检测,得出检测结果,并据此得到四种实时织物疵点检测算法的优劣情况为：二维分形算法>一维时间序列分形算法>最小二乘拟合算法>局部阈值分割算法。接着,认真分析了传统基于模板的疵点检测算法存在的不足,并据此提出两种改进的基于模板的疵点检测算法：基于灰度统计和形态学相结合的疵点检测算法、基于灰度统计和连通域面积统计相结合的疵点检测算法。在Visual Studio2008环境下用ANSIC语言编写软件将两种算法分别实现,并在离线条件下分别用两种算法进行疵点检测,对检测结果进行分析和比较,进而得出结论：两种算法都能成功的用于织物疵点检测,前者的综合性能要优于后者。最后,将所提出的两种算法的检测结果和经过优选得到的4种算法的检测结果进行综合分析和比较,得出结论：基于模板的疵点检测算法普遍比无检测模板算法的疵点检出率更高,综合性能更好,是以后的主要发展方向。另外,算法的有效优化对提高检测效率存在着较大的影响。