皮革表面缺陷檢測(cè)的研究現(xiàn)狀及展望

孫毅，張明，高延鑫（陜西科技大學(xué)機(jī)電工程學(xué)院，陜西西安710021）

皮革表面缺陷檢測(cè)的研究現(xiàn)狀及展望

孫毅，張明，高延鑫
（陜西科技大學(xué)機(jī)電工程學(xué)院，陜西西安710021）

摘要：皮革表面缺陷檢測(cè)是利用機(jī)器視覺技術(shù)將皮革表面的非正常區(qū)域即缺陷區(qū)域從背景中分割出來(lái)。本文對(duì)當(dāng)前國(guó)內(nèi)外在皮革表面缺陷檢測(cè)方面的研究現(xiàn)狀進(jìn)行了綜述，包括皮革表面缺陷檢測(cè)的基本概念，機(jī)器視覺技術(shù)的基本原理，皮革表面缺陷檢測(cè)技術(shù)的應(yīng)用現(xiàn)狀以及機(jī)器視覺技術(shù)在皮革表面缺陷檢測(cè)方面的應(yīng)用。指出了當(dāng)今國(guó)內(nèi)外皮革表面缺陷檢測(cè)技術(shù)所存在的問(wèn)題及進(jìn)行優(yōu)化的方向，并展望了發(fā)展趨勢(shì)。

關(guān)鍵詞：皮革缺陷；缺陷檢測(cè)；視覺技術(shù)；研究現(xiàn)狀；展望

前言

隨著人們的生活質(zhì)量不斷提高以及世界各國(guó)皮革產(chǎn)品的生產(chǎn)消費(fèi)向質(zhì)量型轉(zhuǎn)變，人們對(duì)皮革產(chǎn)品的質(zhì)量要求越來(lái)越高。雖然經(jīng)濟(jì)在快速發(fā)展，但皮革行業(yè)的發(fā)展明顯滯后，主要原因是皮革行業(yè)的自動(dòng)化水平發(fā)展較慢。所以現(xiàn)在皮革產(chǎn)品的加工過(guò)程中，皮革表面缺陷的查找會(huì)直接影響生產(chǎn)效率和生產(chǎn)質(zhì)量。為了有效地利用原材料和避免次品混入成品中，就需要對(duì)產(chǎn)品進(jìn)行檢測(cè)。但是長(zhǎng)久以來(lái)，這些檢測(cè)的過(guò)程基本都靠手工實(shí)現(xiàn)，生產(chǎn)效率低，成本高，效果也不好。隨著機(jī)器視覺技術(shù)的發(fā)展，手工檢

測(cè)過(guò)程現(xiàn)在慢慢的轉(zhuǎn)變?yōu)橛?jì)算機(jī)檢測(cè)。但如何更加快速簡(jiǎn)便、科學(xué)有效地檢測(cè)皮革表面缺陷，仍然是急需解決的問(wèn)題。本文將對(duì)皮革表面缺陷檢測(cè)的研究現(xiàn)狀進(jìn)行綜述與展望。

1　皮革表面缺陷與視覺檢測(cè)原理概述

1.1皮革表面缺陷概述

皮革缺陷會(huì)影響皮革的利用率和原材料成本。為了有效利用原材料和避免次品混入成品中，需要對(duì)原材料和產(chǎn)品進(jìn)行檢測(cè)。皮革缺陷的種類比較多，可以將缺陷分為三個(gè)時(shí)期，按照動(dòng)物生存期、屠宰過(guò)程及原始材料加工處理過(guò)程進(jìn)行分類。生存期存在的缺陷包括傷疤、鞭花、蟲咬等；屠宰過(guò)程存在的缺陷包括刀洞、燙傷、針孔等；原始材料加工過(guò)程中存在的缺陷包括裂面、掉漿、油霜等[1]。

1.2視覺檢測(cè)原理

視覺檢測(cè)的基本原理：在一定的光照條件下，利用電荷耦合器件（CCD）作為圖像傳感器對(duì)被檢測(cè)物表面進(jìn)行掃描、采集圖像，然后運(yùn)用圖像處理、模式識(shí)別等技術(shù)對(duì)圖像進(jìn)行處理，提取相關(guān)的圖像特征，根據(jù)圖像特征的內(nèi)在規(guī)律進(jìn)行識(shí)別分類或瑕疵檢測(cè)，最后得到所需的檢測(cè)結(jié)果[2]。

2　國(guó)內(nèi)外研究現(xiàn)狀

近20多年來(lái)，皮革表面缺陷檢測(cè)技術(shù)快速發(fā)展，主要以基于機(jī)器視覺檢測(cè)方法為主。研究人員提出了許多不同的基于機(jī)器視覺的檢測(cè)方法，主要體現(xiàn)在不同的分割算法上。檢測(cè)方法主要分為四種：基于灰度同現(xiàn)矩陣的統(tǒng)計(jì)方法、基于Gabor濾波器的紋理分割算法、基于傅里葉變換的檢測(cè)算法和基于香農(nóng)小波分解的紋理主頻檢測(cè)方法[3]。

2.1國(guó)外研究現(xiàn)狀

Kwon Jang-Woo等[4]提出使用直方圖的分布可以判斷皮革有無(wú)缺陷的方法，再根據(jù)有缺陷的皮革的灰度級(jí)的分布范圍計(jì)算每一類缺陷的大小，但這種方法只能判斷皮革有無(wú)缺陷，不能對(duì)皮革缺陷進(jìn)行定位。

Georgieva等[5]提出一種模糊邏輯的方法，這種方法基于灰度直方圖的X2準(zhǔn)則來(lái)檢測(cè)瑕疵，其利用了灰度直方圖的旋轉(zhuǎn)和比例不變性、不受視角變化影響的特點(diǎn)來(lái)進(jìn)行特征分析處理。由于特征值少，計(jì)算處理速度相對(duì)較快，但容易受灰度空間分布影響。

Kittler J等[6]用最小誤差閾值法來(lái)進(jìn)行瑕疵檢測(cè)，利用圖像的單峰值直方圖尋找最優(yōu)的閾值進(jìn)行缺陷檢測(cè)，其優(yōu)點(diǎn)是便于處理單峰值直方圖圖像，但處理顏色暗或者接近黑色時(shí)檢測(cè)質(zhì)量差。

Huang Tse-Yun等[7]利用傅里葉變換使用基于全局圖像重構(gòu)的方法去除隨機(jī)紋理圖像中的重復(fù)性、周期性結(jié)構(gòu)。隨機(jī)紋理包含各向同性結(jié)構(gòu)，頻譜圖像中頻率成分的伸展是各向同性的并且形成了一個(gè)近似圓的形狀。此方法的優(yōu)點(diǎn)是不需要預(yù)存的紋理圖像做參考或任何無(wú)缺陷樣本的紋理信息。

Adamo F等[8]采用小波重構(gòu)的方法對(duì)皮革、織物的表面進(jìn)行了缺陷檢測(cè)，此方法不依賴于相鄰像素之間的局部紋理特征，而是用多分辨率的小波變換來(lái)重構(gòu)圖像。

Tsai D M等[9]提出了一種基于Gabor Filter的檢測(cè)方法，此方法是基于計(jì)算待處理圖像與某個(gè)特定Gabor函數(shù)卷積后的能量輸出，Gabor Filter的參數(shù)應(yīng)滿足同質(zhì)區(qū)域的輸出能量接近于0，而任何缺陷會(huì)產(chǎn)生大的能量輸出值，然后用設(shè)定的閾值來(lái)判斷濾波圖像的完好與否。這種方法的優(yōu)點(diǎn)是結(jié)構(gòu)性紋理和統(tǒng)計(jì)紋理都適用，缺點(diǎn)是需要預(yù)先獲得無(wú)缺陷樣本求取最優(yōu)參數(shù)而且領(lǐng)域窗的大小對(duì)結(jié)果由影響，鄰域窗必須能夠包含局部紋理的重復(fù)性和空間排列情況，太大的窗會(huì)增加計(jì)算量，窗口太小會(huì)忽視小的缺陷，同時(shí)常數(shù)因子c的選擇也要經(jīng)過(guò)衡量，否則會(huì)影響檢測(cè)效果。

Lopez等[10]提出一種隨機(jī)色彩質(zhì)地的缺陷檢測(cè)方法，是基于T2的統(tǒng)計(jì)法，并且源于近年來(lái)應(yīng)用統(tǒng)計(jì)領(lǐng)域的MIA（多元圖像分析）。結(jié)合PCA分析從RGB數(shù)據(jù)矩陣中提取特征空間。此方法的優(yōu)點(diǎn)是僅用一個(gè)主成分（一個(gè)特征向量）就可以達(dá)到最好的

效果，實(shí)驗(yàn)表明了一個(gè)訓(xùn)練樣本就足夠建立特征空間和累積直方圖。計(jì)算量大大減少，更加適合實(shí)時(shí)處理。

2.2國(guó)內(nèi)研究現(xiàn)狀

崔楊等[11]提出了一種基于改進(jìn)模糊C-均值算法的皮革缺陷檢測(cè)算法，該算法根據(jù)皮革圖像的特點(diǎn)，計(jì)算其共生矩陣的多個(gè)測(cè)度作為像素的特征向量，并用模糊聚類法對(duì)像素進(jìn)行分類。此方法提高了檢測(cè)的精度，但計(jì)算量大，不能滿足整個(gè)皮革工業(yè)的自動(dòng)化實(shí)時(shí)檢測(cè)。

劉利華等[12]根據(jù)模糊數(shù)學(xué)的基本概念和原理，建立了模糊數(shù)學(xué)在皮革制品質(zhì)量綜合評(píng)判中的應(yīng)用模型，用豐滿性、柔軟性、彈性、粒面等指標(biāo)對(duì)皮革及其制品質(zhì)量進(jìn)行了綜合評(píng)判，有一定的應(yīng)用價(jià)值。

辛登科等[13]提出了一種基于類間方差和類內(nèi)方差的自適應(yīng)確定分割區(qū)域數(shù)的方法。此算法可以比較準(zhǔn)確的檢測(cè)出皮革表面缺陷信息。

賀福強(qiáng)等[14]采用了小波重構(gòu)的方法對(duì)皮革表面進(jìn)行了缺陷檢測(cè)。其原理為應(yīng)用小波基函數(shù)在較優(yōu)的分解級(jí)數(shù)上對(duì)紋理圖像進(jìn)行分解，然后在最佳的分辨率級(jí)數(shù)上正確的選取平滑圖像或者細(xì)節(jié)圖像來(lái)重建圖像。此方法有效，可用于實(shí)時(shí)在線檢測(cè)。

常競(jìng)[15]對(duì)皮革缺陷進(jìn)行了分門別類的檢測(cè)，提高了缺陷檢測(cè)的精度，但皮革缺陷中色差、污斑等不容易檢測(cè)出來(lái)。

于彩香[16]根據(jù)紋理圖像中缺陷區(qū)域灰度值和背景中像素之間的相關(guān)性來(lái)識(shí)別缺陷。其原理是在灰度游程矩陣的基礎(chǔ)上，但不通過(guò)矩陣提取特征來(lái)判斷每個(gè)小窗口是否屬于缺陷區(qū)域，是通過(guò)游程和圖像的灰度差值標(biāo)記每個(gè)像素來(lái)分割圖像，然后分離出缺陷區(qū)域。

李健等[17]使用改進(jìn)決策樹結(jié)合前饋神經(jīng)網(wǎng)絡(luò)選擇最優(yōu)分類屬性的方法，對(duì)皮革表面的缺陷自動(dòng)檢測(cè)，彌補(bǔ)了神經(jīng)網(wǎng)絡(luò)分類處理時(shí)間長(zhǎng)的不足。

陳虹[18]采用基于紋理的分析方法，即采用將灰度共生矩陣和改進(jìn)的模糊C-均值聚類兩者相結(jié)合的方法進(jìn)行圖像分割，得到缺陷區(qū)域。

圖1　格柏公司TaurusXD數(shù)控裁床

圖2　Lectra公司VectorFashion MP裁床

3　國(guó)內(nèi)外皮革視覺檢測(cè)系統(tǒng)的應(yīng)用現(xiàn)狀

3.1國(guó)外皮革視覺檢測(cè)系統(tǒng)的應(yīng)用現(xiàn)狀

國(guó)外的視覺檢測(cè)研究較早，已經(jīng)取得相應(yīng)的研究成果，并將其轉(zhuǎn)化成了產(chǎn)品。

美國(guó)格柏科技有限公司推出了Taurus XD皮革裁剪系統(tǒng)，該系統(tǒng)取消了紙樣模板，避免了操作員參與檢測(cè)皮革，提高了系統(tǒng)的安全性[19]。此系統(tǒng)能實(shí)現(xiàn)彩色皮革圖像的采集、瑕疵識(shí)別，可以減少4% ～10%的浪費(fèi)。通過(guò)CCD掃描已標(biāo)記瑕疵區(qū)域的皮革，不同的色彩代表不同級(jí)別的瑕疵點(diǎn)，根據(jù)這些標(biāo)記，提取出瑕疵區(qū)域。圖1是格柏公司TaurusXD數(shù)控裁床。

法國(guó)力克公司是業(yè)界領(lǐng)先的裁剪技術(shù)及配套服務(wù)供應(yīng)商，可為皮革用戶提供從設(shè)計(jì)、制造到零售的全面技術(shù)解決方案和相應(yīng)服務(wù)[20]。圖2是Lectra公司的VectorFashion MP裁床，該機(jī)床以電子形式

記錄皮革和瑕疵信息，把皮革瑕疵劃分為6個(gè)質(zhì)量等級(jí)進(jìn)行處理。

3.2國(guó)內(nèi)皮革視覺檢測(cè)系統(tǒng)的應(yīng)用現(xiàn)狀

國(guó)內(nèi)研究起步較晚，相關(guān)研究也較少，雖然提出了一些皮革瑕疵的檢測(cè)方法，但相關(guān)成果難以推廣，國(guó)內(nèi)大多數(shù)皮革企業(yè)仍然采用人工檢測(cè)。

4　展望

皮革表面缺陷檢測(cè)及相應(yīng)的機(jī)器視覺技術(shù)雖然已發(fā)展了20多年，但在實(shí)際應(yīng)用方面還存在許多問(wèn)題：

（1）許多皮革檢測(cè)理論與方法關(guān)注的角度不同，只針對(duì)具體應(yīng)用要求提出相應(yīng)的解決方法，一旦環(huán)境或者面料改變，一些算法可能會(huì)失效；

（2）大多數(shù)皮革缺陷檢測(cè)方法計(jì)算量較大，在一般的PC機(jī)上不能實(shí)時(shí)處理；

（3）國(guó)外檢測(cè)系統(tǒng)已有相關(guān)產(chǎn)品，但國(guó)內(nèi)還沒有，而且國(guó)外產(chǎn)品太過(guò)昂貴。

今后皮革表面缺陷檢測(cè)想要進(jìn)一步發(fā)展，就需要將上述問(wèn)題進(jìn)行優(yōu)化：

（1）需進(jìn)一步研究可用于多種類相關(guān)產(chǎn)品的檢測(cè)方法與系統(tǒng)；

（2）需對(duì)算法進(jìn)行優(yōu)化或者加快PC機(jī)的處理速度；

（3）需要研發(fā)一套能對(duì)皮革缺陷檢測(cè)、質(zhì)量評(píng)價(jià)的系統(tǒng)，提高我國(guó)皮革業(yè)的生產(chǎn)效率，降低勞動(dòng)成本。

參考文獻(xiàn)：

[1]魏天全.皮革常見缺陷及解決方法[J].中國(guó)皮革，2000，6 （1）：5-8.

[2]賀福強(qiáng).大面積皮革表面的視覺檢測(cè)技術(shù)與應(yīng)用研究[D].浙江：浙江大學(xué)，2012.

[3]于彩香，邱書波.用于皮革缺陷檢測(cè)的方法研究[J].皮革科學(xué)與工程，2008，18（2）：24-27.

[4]Kwon Jang-Woo, Choo Young-Yeol, Heung-Ho, et al. Development of Leather Quality Discrimination System by texture Analysis[J].TENCON, 2004 IEEE Region 10 Conference,Volume A,2004,35(6):31-23.

[5]Krastev K. Georgieva L. Identification of Leather Surface Defects using Fuzzy Logic[J]. International Conference on Computer Systems and Technologies,2005,21(5):305-310.

[6]Boukouvalas C, Kittler J, Marik R, et al. Color Grading of Randomly Textured Ceramic Tiles Using Color Histograms[J]. IEEE Transactions on Industrial Electronics,1999,46 (1): 219 -226.

[7]Tsai Du-Ming, Huang Tse-Yun. Automated surface inspection for statistical textures [J]. Image and Vision Computing, 2003,26(7): 307-323.

[8]Adamo F, Attivissimo F, Cavone G, Giaquinto N, et al. ARTIFICIALVISIONINSPECTIONAPPLIEDTO LEATHER QUALITY CONTROL [J]. XVIII IMEKO WORLD CONGRESS, 2006,22(6):17-22.

[9]Tsai Du-Ming, Hsiao Bo. Automatic surface inspection using wavelet reconstruction [J]. Pattern Recognition,2001,34 (6): 1285-1305.

[10] Fernando Lopez, Jose Manuel Prats, Alberto Ferrer,et al. Defect Detection in Random Colour Textures Using the MIA Defect Maps [J]. Campilho and M. Kamel (Eds.): ICIAR 2006, LNCS 4142, 2006,25: 752 -763.

[11]崔揚(yáng)，周澤魁.圖像檢測(cè)技術(shù)在皮革缺陷檢測(cè)中的應(yīng)用研究[D].浙江：浙江大學(xué)，2004.

[12]劉利華，強(qiáng)懷西，羅曉民.模糊評(píng)判在皮革及其制品質(zhì)量評(píng)定中的應(yīng)用[J].中國(guó)皮革，2005，34（7）：43-46.

[13]辛登科，張玉杰，胡晶.圖像檢測(cè)技術(shù)在皮革缺陷檢測(cè)排樣系統(tǒng)的應(yīng)用研究[J].皮革科學(xué)與工程，2006，6（4）：24-26.

[14]賀福強(qiáng)，王文，陳子辰.基于小波重構(gòu)的皮革表面檢測(cè)方法[J].儀器儀表學(xué)報(bào)，2006，27（6）：25-28.

[15]常競(jìng).鞣制皮革圖像分割及缺陷檢測(cè)的研究[D].四川：四川師范大學(xué)，2008：57-68.

[16]于彩香.基于紋理分析的皮革可視缺陷檢測(cè)方法的研究[D].山東：山東輕工業(yè)學(xué)院，2009.

[17]李健，韓瑋，鄭東.一種皮革表面缺陷檢測(cè)分類方法的研究[J].計(jì)算機(jī)測(cè)量與控制，2010，18（12）：2732-2735.

[18]陳虹.基于紋理分析的皮革缺陷檢測(cè)的應(yīng)用研究[D].四川：四川師范大學(xué)，2011.

[19]http://www.gerbertechnology.com.

[20]http://www.lectra.com.

Current Situation and Outlook of Leather Surface Defect Detection

SUN Yi, ZHANG Ming, GAO Yan-Xin
(Academy of Mechanical and Electrical Engineering, Shannxi University of Science and Technology, Xi’an 710021 ,China)

Abstract:The leather surface defect detection is to divide the abnormal parts from the perfect background using vision technology of the computer. The research situation of leather surface defect detection at home and abroad are reviewed in this paper, including basic concepts of leather surface defect detection, basic principles of machine vision technology, current situation of the application of leather defect detection technology, and application of machine vision technology in leather surface defect detection. Problems in leather surface defect detection technology at home and abroad, and direction to solve these existing problems are pointed out. And its future development is also forecast.

Key words:leather defect; defect detection; vision technology; research situation; forecast

作者簡(jiǎn)介：第一孫毅（1989-），男，河南信陽(yáng)人，碩士，研究方向：機(jī)械電子。

收稿日期：2015-09-26

中圖分類號(hào)：TS 57

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1671-1602（2015）20-0028-04