影响织疵产生的灰色关联分析

织疵是衡量织造质量的关键指标。为了优化织造过程,减少织疵产生,首先分析了织造过程中导致织疵产生的影响因素,其次利用灰色关联分析法提取导致织疵产生的关键影响因素。实验和实际生产结果均表明,织机停车次数和停车时间对织疵产生数量的关联度较高,关联度均为0.83以上。同时,针对双纬、百脚和断经3类织疵进行分析,得出导致双纬产生的主要影响因素是经密和转速,导致百脚产生的主要影响因素是经停时间和转速,导致断经产生的主要影响因素是经停次数、打纬次数、停车时长等。

基于深度学习的机织印花布疵点实时检测方法研究

为满足纺织业内机织印花布瑕疵检测的实时性需求,基于利用回归思想进行检测的单阶段算法模型YOLOv_(3)(you only look once version 3),提出一种改进的机织印花布疵点实时检测方法。通过优化骨干网络结构,引入可变形卷积,提高印花背景下模型的瑕疵特征提取能力;设计新的损失函数,提高瑕疵分类和定位的精准度;引入几何中位数剪枝算法,去除深层网络冗余参数,进一步提高系统检测速度。试验结果表明,改进算法的模型在测试集上准确率可达92.02%,检测精度显著提高,每张图片检测平均耗时22.61 ms,满足工厂的实时性要求。

基于语义生成与语义分割的机织物缺陷检测方法

针对织物疵点的语义分割任务中因数据集规模限制,而导致网络出现的严重过拟合问题,课题组提出了针对织物的语义生成网络。语义生成网络使用随机产生的语义标签生成对应的织物缺陷图像,相较于传统数据增强方法,语义生成可生成全新图像,更贴近实际缺陷分布,并且可通过判别器对生成图像进行筛选;课题组将语义生成的图像作为语义分割网络的输入,相应的随机语义标签作为目标,免去标注过程,扩充语义分割网络的训练样本,提升网络性能;对于语义分割网络,提出尺寸自适应Dice损失函数,解决样本不平衡问题,提升网络对小尺寸的检测能力。实验结果表明:尺寸自适应Dice损失函数使得模型精度提高11.1%,使用BEGAN扩充的数据集相较于传统方法扩充的数据集训练得到的模型精度提高7.4%。

基于AR模型的机织物线状疵点研究

针对机织物线状疵点检测效果不佳的问题,采用AR模型的谱估计方法对此问题进行研究。首先将获取织物的图像按照一定的子窗口大小分割,并将子窗口内图像的灰度值按照纵向、横向2个方向分别使用方差的方式投影,得到方差序列;然后选择合适的AR模型阶数,依据Burg算法估计得到谱数据;最后通过求得带有疵点图像的谱估计与正常纹理图像得到的谱估计之间的相关系数检测出疵点及其位置。实验验证表明这种方法对机织物线状疵点的检测是有效的。

采用奇异值分解的机织物瑕疵检测算法

针对现有算法对机织物纹理适应性和实时性不佳的问题,提出一种基于奇异值分解(SVD)的机织物瑕疵检测算法。首先将正常织物图像的灰度值沿纵横方向进行投影,并将投影所得的序列组成联合投影序列;然后对联合投影序列组成的矩阵进行奇异值分解,并提取基向量;最后应用所提取的基向量对待检测样本进行重构,并通过重构误差区分瑕疵和正常纹理。重点探讨了基向量个数和子窗口大小对检测效果的影响。经过4 693个样本的实验,结果表明,在误检率小于10%情况下,本文算法的检出率可达90%。经比较,本文算法在检测精度和实时性上都优于AR模型算法。

基于超声相控阵的机织层合复合薄板试件内部缺陷检测方法

针对机织层合薄板复合材料试件的内部缺陷,采用超声相控阵检测法对其进行超声100%扫查,并对得到的超声定位的缺陷区域进行分析;建立了超声回波A扫描波形图、B扫描图像以及C扫描图像和机织层合板复合材料内部区域缺陷分布的对应关系,分析比较了复合材料试件分别在同时激发4、8、16个晶片(阵元)的条件下得到的超声检测结果图,并在相控阵设置最优条件下对复合材料进行横纵方向超声扫描得到检测图,针对C扫描得到的缺陷扫查图进行定量分析。研究结果表明:扫描得到的超声A扫描波形图、B扫描图像以及C扫描图像在复合材料缺陷的位置上有一一对应的关系,超声相控阵检测法可用于机织层合板复合材料的无损检测及其缺陷的初步评价。

层-层正交角联锁机织物及其复合材料的结构及其层切破坏机制研究

采用无损高分辨率X射线成像(显微X-CT)技术对层-层正交角联锁机织物以及复合材料内部结构进行分析,并研究了层间剪切强度与结构之间的关系;通过三维重构展现了机织物的层-层正交角联锁的微观结构,观察到机织物内部的单丝扭转、挤压现象;依据机织复合材料中孔隙和高密度杂质在三维空间的分布,计算了其相应的占比。结果表明:层间剪切实验后的机织复合材料虽然宏观形貌保持了良好的完整性,但内部存在孔隙变形、分层、纤维弯曲、片层断裂等现象;层-层正交角联锁机织结构有效提高了复合材料的层间力学性能,内部的缺陷对复合材料的力学性能有较大的影响;无损高分辨X射线成像技术是研究纤维增强复合材料内部复杂结构特性的有利手段。

基于机器视觉的编织袋表面缺陷检测系统设计与实现

目的针对编织袋生产中表面缺陷检测效率和精度低等问题,应用机器视觉技术于编织袋表面缺陷检测,进而提高编织袋的生产效率。方法基于机器视觉设计编织袋表面缺陷检测系统:首先为了降低背景灰度变化对缺陷检测的影响,研究一种同时具有噪声滤除与图像增强功能的预处理算法;其次选取二维最大熵值法对预处理后的编织袋图进行分割,并采用改进遗传算法对它进行优化以增强算法的收敛速度和效果;然后利用特征提取结合形态学处理的方法实现了编织袋表面缺陷的识别与分类;最后应用连通域进行分析,对分类出的缺陷进行统计与定位以获取缺陷的尺寸以及位置信息。结果采集了200个编织袋缺陷样本,采用文中编织袋表面缺陷检测系统对编织袋样本进行缺陷识别,平均识别准确率为94.0%,处理一幅编织袋图像的时间约为600 ms。结论该系统具有较高的识别效率和正确率,可实现编织袋表面缺陷的快速检测,满足工业生产的需求。

竹节纱机织面料的疵点分析和防范措施

分析了竹节纱在机织面料上形成的疵点类型和特点,并根据设备情况按工序提出了具体的防范措施,认为竹节的粗度及其在布面上的分布规律都会影响竹节纱织物的风格,生产前应要多试纺试织,以免造成浪费。

基于织物结构特征和小波变换的快速疵点检测

给出了一种利用小波为分析工具,基于织物采样图像进行疵点检测的新方法。首先对织物疵点图片进行了奇偶行列采样抽取,得到奇偶两幅子图像并使得图像的总数据变为原来的二分之一,然后再进行小波变换。在进行小波变换时,采用邻域插值,使得紧支撑小波滤波器的系数序列得到缩短,并可以由原来的滤波器系数计算出缩短后的滤波器系数。实验结果表明该方法可以在保证检测效果准确性的同时,大幅减少数据计算量、提升检测速度。

卷积神经网络在无纺布缺陷分类检测中的应用

目的针对传统无纺布缺陷分类检测中人工依赖性强、效率低等问题,提出一种能够满足工厂要求的卷积神经网络分类检测方法。方法首先建立包括脏点、褶皱、断裂、缺纱和无缺陷等5种共计7万张无纺布图像样本库,其次构造一个具有不同神经元个数的卷积层和池化层的神经网络,然后采用反向传播算法逐层更新权值,通过梯度下降法最小化损失函数,最后利用Softmax分类器实现无纺布的缺陷分类检测。结果构建了12层的卷积神经网络,通过2万张样本进行测试实验,无缺陷样本准确率可以达到100%,缺陷样本分类准确率均在95%以上,检测时间在35 ms以内。结论该方法能够满足工业生产线中对于无纺布缺陷实时分类检测的要求。

基于K-SVD学习字典的机织物纹理表征及应用

为更好地适应机织物纹理以及减少程序的运行时间,选取平纹、斜纹、缎纹3种组织结构采用K-奇异值分解(K-SVD)的方法训练得到一个自适应字典。以峰值信噪比、结构相似性为指标,探讨不同稀疏基数对机织物纹理图像重构的影响,针对不同的应用,选取了合适的稀疏基数T。利用该字典重构机织物纹理图像,在此基础上检测织物瑕疵。实验结果表明:T=6时,算法不仅能有效重构机织物纹理图像(PSNR和SSIM),而且重构效果要优于初始离散余弦转换(DCT)字典;T=4时,K-SVD字典能更好地适应瑕疵样本,且鉴别瑕疵的能力更强。

Matlab与VB混合编程在织物疵点自动检测的应用

利用Visual Basic6.0设计了应用软件的用户界面,用SDK2000视频卡与CCD摄像头连接采集数据,利用Matlab7.0图像处理工具箱,小波分析工具箱,通过各种算法的比较和验证,找到有利于疵点的检测,快速的疵点识别,精确的疵点分割方法,三者相互结合构成织物疵点自动检测系统。在图像采集中,调用视频卡驱动程序,实现图像的储存。图像处理中,应用二维小波分解重构,小波消噪,阈值分割,数学形态学处理等方法,快速准确识别疵点,利用Matlab最新的COM生成器,将Matlab的M文件,生成COM组件在Visual Basic中直接调用,基本实现自动检测。

基于遗传算法与二维最大熵的编织袋缺陷检测

编织袋图像存在的灰度不均匀、噪声污染大等问题影响了缺陷检测的精度和效率,为此,课题组提出一种基于改进遗传算法与二维最大熵的编织袋缺陷快速检测方法。先对编织袋图进行预处理,消除图中存在的背景噪声以及细微像素点;接着利用与二维最大熵结合的改进遗传算法快速选取图像分割的最佳阈值,提高分割速度与精度;最后利用连通域标记对缺陷进行统计与定位。实验结果表明:该方法对编织袋缺陷的分割精度与速度优于迭代阈值法、一维最大熵法以及结合一般遗传算法的二维最大熵法。新方法能够精准、高效地检测出编织袋的质量缺陷。

改进二叉树SVM模型在无纺布缺陷检测中的应用

针对传统的人工无纺布缺陷检测效率低、成本较高等问题,提出一种基于改进二叉树SVM模型的无纺布缺陷检测方法。因所采集无纺布图像中存在一定的噪声干扰,需先进行图像预处理,该方法首先对图像使用双边滤波,再利用改进的Canny边缘检测算法对缺陷图像进行边缘检测完成图像分割;接着利用Hu不变矩和颜色矩算法,提取经过预处理的图像的形状特征和颜色特征;最后对改进二叉树支持向量机算法进行训练,实现了对无纺布常见的4类不同缺陷的检测及分类工作。实验结果表明:该方法对无纺布缺陷有着高于93%的分类准确率,并且检测效率高,能够满足无纺布实际生产要求。

基于小波的无纺布疵点实时检测算法研究

针对实验项目所使用的薄型用无纺布传统的疵点检测技术主要依靠人为的主观检测问题,提出基于小波的机器视觉的无纺布疵点检测技术,通过分析各种疵点在频域上的特性,采用具有多分辨率特性的小波算法检测疵点,实验可以检测出非常小的孔洞以及杂质型疵点,结果表明,基于小波的无纺布疵点实时检测算法对于毫米级大小直径的杂质型疵点检测效果明显,极大提升了检测速度和准确性。

基于子窗口字典学习的机织物纹理表征及应用

为了提高机织物纹理表征算法的稳定性,提出了以子窗口字典学习表征机织物纹理的算法。将整幅图像划分为多个子窗口样本,并将子窗口样本展成列向量,所有的列向量联合组成灰度数据矩阵。选定离散余弦变换(discrete cosine transform,DCT)作为初始字典,对子窗口样本矩阵进行字典学习,最终得到了稳定的学习字典。选用均方根误差作为评价指标,对字典个数和子窗口大小进行优化。结果表明,应用学习得到的字典,不仅能近似重构机织物纹理样本图像,而且能在无监督的条件下自动识别织物的瑕疵。

不规则经向管状织物的设计及生产

总结不规则经向管状织物的设计过程和生产要点。介绍了织物采用的经纬纱指标,设计并计算了织物经纬密、管子宽度和管间距等;借助织物CAD设计了纹样,计算了每循环经纬纱根数;总结了整经、浆纱、织造等各工序中的主要工艺和采取的技术措施。通过采取一系列技术措施,最终保证了织机效率达91%,下机一等品率88%,入库一等品率95%。认为:生产的织物外观风格新颖独特,具有断续的经向起伏管状装饰效应,适宜做夏季女士裙装和上衣时装面料等。

降低3/1纱卡织物织疵的实践

对织造高密 3 /1纱卡织物过程中产生的织疵作了分析 。

提高水刺无纺布型涤纶短纤维品质的措施

介绍了在天津石化短丝装置单线产量5万t/a的生产线,开展品质攻关,提高1.56 dtex×38 mm水刺无纺布型涤纶短纤维品质,采取对生产环境清洁度进行治理、优化纺丝及后处理工艺、优化操作等措施,减少产品疵点及异物含量,提升断裂伸长率、卷曲性能等物理指标。