图案布匹瑕疵的在线视觉检测

为实现图案布匹瑕疵的在线实时检测,提出了一种基于机器视觉的实时检测方法。离线训练时,通过无瑕疵图像的叠加距离函数以及极值权重分析精确求取图案纹理基元周期,提取标准基元后创建无瑕疵标准基元偏移序列,提取特征用以构建模糊分类器;在线检测时,基于创建的偏移序列求取待检测图像块特征,采用模糊分类器分类,若存在瑕疵则继续构建精确分类器分类。实验表明,所提出的方法对任一批图案不同布匹只需对无瑕疵图案布匹学习一次,即可实现在线检测,检测一帧图像平均时间为200 ms,准确率达99%以上,实时性高且误检率低。

基于机器视觉的布匹瑕疵在线检测

为实现图案布匹瑕疵在编织过程中的实时检测,提出一种通过区域差影自动分割瑕疵区域的检测方法。通过求取水平和竖直两方向距离叠加函数极值,并对极值做权重分析,精确求取纹理基元周期;根据所求纹理基元周期确定区域差影的区域大小,并对区域差影图像求取梯度,再进行标记分水岭分割,能够快速准确地分割出纹理瑕疵区域。实验结果表明:该算法能够准确地检测出纹理布匹瑕疵的位置,检测一帧用时200ms,准确率均达98%以上,实时性强,检测精度高,满足工业现场要求。

基于机器视觉的织布瑕疵在线检测

为实现织物的瑕疵实时性在线监测,给出一项基于机器视觉的在线检测方法。在系统进行离线训练时,通过无瑕疵织物图像的叠加距离函数及极值权重分析的精确求取得到织物图案纹理基元周期,获得标准基元后,构造无瑕疵标准基元偏移序列,形成模糊分类器;在线检测时,根据构造的偏移序列获得待检测的织物图像块特征,使用模糊分类器进行分类,假如有瑕疵,接着创建精确分类器进行分类。实验结果表明,对任一批图案纹理相同的布匹在线检测,该方法检测一帧图像的平均时间为150ms,准确率达96%以上,实时性高且误检率低。