基于方向灰度积分曲线特征的织物疵点检测算法研究

针对于断纱、缺纱、穿错、粗纱等这类结构型织物疵点,由于其具有灰度跳变不明显、疵点面积小的特征在疵点检测过程中难以检测这一问题,本文结合织物图像自身的纹理特征及结构型疵点的方向性特征,创新性地提出基于方向灰度积分曲线特征的织物疵点检测方法,将二维织物图像的疵点检测转化为对一维灰度积分曲线特征的分类识别。该方法通过对输入的图像提取垂直水平方向灰度积分波形曲线,并对积分曲线提取了包括平均值、方差、能量等14个波形特征,然后利用可优化SVM分类算法对提取特征进行疵点判别。通过对漏针、断纱、并经、粗纱等疵点进行检测试验,结果表明,本文提出的疵点检测方法不仅对检测灰度跳变较小的结构型疵点具有较好的检测效果,检测准确率达到了94.34%,而且检测速度快,可以满足实时检测的速度要求。

改进YOLOv5的织物疵点检测算法

针对目前应用到织物疵点检测的网络模型中存在的两阶段算法检测速度慢、一阶段算法检测精度低的问题,提出了一种改进YOLOv5的织物疵点检测算法。针对织物疵点大小不一的问题,对K-mean算法的聚类距离标准进行修改,重新计算先验框大小;对网络Neck层标准卷积(standard convolution,SC)进行改进,将深度分离卷积(depth separation convolution,DSC)与标准卷积结合,减少网络层参数量,同时保持网络的特征提取能力;在特征融合阶段引入坐标注意力机制(coordinate attention,CA),使网络能够捕捉各通道之间联系的同时保留目标的精确定位信息,加强网络的特征提取和定位能力;使用加权双向特征金字塔网络(bidirectional feature pyramid network,BiFPN)中的方法,对特征金字塔模块进行修改,实现简单快速的多尺度特征融合。在数据集上进行训练,结果表明,改进的YOLOv5模型的mAP值可达到97.4%,相比于原网络精度提高了2.8个百分点,满足了织物疵点检测的要求。

结合QEM的布料层次化动态模拟方法

在布料仿真过程中,基于位置的动力学方法(Position Based Dynamics, PBD)在布料模拟的效果及实时性方面展现了其优越的性能,但在布料网格精度提升时,为了加快其收敛速度而增加迭代计算次数,会导致模拟效率大幅降低及约束震荡现象的出现。为了解决以上问题,文章结合对位置动力学方法的研究,提出一种以多重网格思想为核心的布料模拟方法,采用基于二次误差度量(Quadric Error Metrics, QEM)的网格简化法对布料多重网格进行构建,同时结合空间插值算法进行层与层之间的数据传递及位置矫正,可以构建出质量良好的三角网格结构,避免不规则多边形的出现;在布料层次化模拟的基础上,提出结合逐次超松弛迭代法(Successive Over Relaxation, SOR)与Gauss-Seidel方法(GS)的混合平滑方案并验证了其有效性。经实验分析,布料层次化模拟方法提高了质点数目增加后的收敛速度,具有一定的稳定性。

针织圆机疵点在线检测系统开发

针织圆机生产效率高,生产过程中一旦出现疵点,会造成大量的不良产品,影响企业经济效益。针对这一问题,开发出一套针织圆机疵点的实时在线检测系统。该系统由硬件系统和软件系统构成,硬件系统能够很好地适应圆机的快速运行并实时进行织物图像的采集;软件系统对采集的织物疵点图像进行相应图像处理,实现疵点的检测、定位、分类及统计等。系统的使用可以实时检测长漏针、破洞、断(错)纱等疵点,降低产品不良产品率,降低生产成本,提高产品质量。

织物纹理基元自适应Gabor滤波器的疵点检测方法

纺织面料疵点智能检测一直是纺织行业需解决的技术难题之一,为了对面料疵点进行高效精准的自动检测,提出了基于织物纹理基元自适应Gabor滤波器的疵点检测方法即通过获取织物纹理基元,构建最优的Gabor滤波器,解决Gabor滤波器参数设计复杂的问题。试验结果表明使用自适应的Gabor滤波器对图像进行滤波,能够很好地将疵点从织物背景中分割出来,突出疵点区域,对实现织物疵点的智能检测有一定的意义。