織物表面疵點(diǎn)自動(dòng)檢測(cè)方法研究

吳軍

摘要：針對(duì)織物表面質(zhì)量檢測(cè)仍處于人工檢測(cè)的現(xiàn)狀，根據(jù)織物疵點(diǎn)破壞織物固有紋理組織結(jié)構(gòu)，體現(xiàn)為灰度值縱向或橫向頻率變異的特點(diǎn)，提出一種疵點(diǎn)自動(dòng)檢測(cè)方法。該方法先由織物組織循環(huán)結(jié)構(gòu)確定大小兩個(gè)檢測(cè)窗口的尺寸，然后通過(guò)合適的離散小波基把試樣分解成含經(jīng)向細(xì)節(jié)和緯向細(xì)節(jié)的兩個(gè)子圖，分別統(tǒng)計(jì)兩者能量和后分離出低頻的疵點(diǎn)信息。該方法簡(jiǎn)單易行，漏檢率低，適應(yīng)于大多數(shù)方向性、塊狀類疵點(diǎn)的檢測(cè)。

關(guān)鍵詞：織物疵點(diǎn)檢測(cè);雙窗口設(shè)計(jì);小波分解;能量統(tǒng)計(jì)

中圖分類號(hào)：TS101.9文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1009-265X（2020）01-0047-05Research on Auto Inspection Method for Fabric Defect

WU Jun

Abstract：Considering that fabric surface quality inspection still depends on manual work， and that fabric defect damages the texture structure of fabric is featured by vertical or horizontal frequency departure of grey level， an auto inspection method proposed， according that. Firstly， the size of the big and small inspection windows were determined by the loop structure of fabric weave. The the sample is decomposed into two subimages containing warp and weft details by proper discrete wavelet basis. Finally the energy sum and the defect information of the low frequency were calculated respectively. This method is simple and easy to operate， good in real time， and suitable for detection of most directional and lumpy defects.

Key words：fabric defect; doublewindows design; wavelet decomposition; energy sum

傳統(tǒng)紡織企業(yè)工序繁多，隨著用工成本日益高漲，生產(chǎn)過(guò)程自動(dòng)化已是重要的解決方案之一。坯布檢驗(yàn)為整理車間一道不可缺少的工序，用于后續(xù)修補(bǔ)及坯布評(píng)分分級(jí)。國(guó)外已研發(fā)出自動(dòng)檢測(cè)裝置應(yīng)用于生產(chǎn)[1]，但因進(jìn)口設(shè)備成本較為昂貴，故國(guó)內(nèi)企業(yè)現(xiàn)階段多仍采用傳統(tǒng)的人工檢驗(yàn)，效率低下，可靠性較差，人為干擾因素偏大。坯布自動(dòng)檢測(cè)具有實(shí)時(shí)性強(qiáng)、疵點(diǎn)種類多、表現(xiàn)形式各異的特點(diǎn)，國(guó)內(nèi)研究人員近些年提出的一些算法存在檢測(cè)速度慢、漏檢、誤檢率高、檢測(cè)疵點(diǎn)種類少等問(wèn)題。隨著機(jī)器視覺(jué)系統(tǒng)的硬件成本日益下降，找到一種快速簡(jiǎn)便、識(shí)別率高的織物疵點(diǎn)檢測(cè)方法已成為迫切需要解決的問(wèn)題。

在具有代表性的各類疵點(diǎn)檢測(cè)算法中，基于紋理的灰度共生矩陣法計(jì)算量過(guò)大[2]，不易實(shí)現(xiàn)在線實(shí)時(shí)檢測(cè)，灰度直方圖法[3]和傅里葉時(shí)頻變換法[4]缺少疵點(diǎn)空間信息，不能對(duì)疵點(diǎn)位置直接作出反饋，灰度匹配法需對(duì)視覺(jué)系統(tǒng)的應(yīng)用環(huán)境如光源等進(jìn)行嚴(yán)格配置而不太適應(yīng)工廠實(shí)際[5]，閾值分割法不能對(duì)僅有紋理差異而無(wú)灰度差異的疵點(diǎn)進(jìn)行識(shí)別[6]。

1檢測(cè)窗口選取

紡織物具有規(guī)則的人工紋理結(jié)構(gòu)，棉坯布最常見的組織結(jié)構(gòu)為平紋和斜紋（圖1）。

在一個(gè)基本組織內(nèi)，經(jīng)、緯方向的灰度值均表現(xiàn)出規(guī)則的周期性變化，呈現(xiàn)出紋理的規(guī)則性和方向性[7]，由于疵點(diǎn)破壞了正常組織結(jié)構(gòu)，導(dǎo)致該區(qū)域呈現(xiàn)出與周圍區(qū)域不同的外觀風(fēng)格。

窗口選取就是依據(jù)循環(huán)組織結(jié)構(gòu)尺寸，把采集的圖像分割成若干大小一致、保持完整循環(huán)結(jié)構(gòu)的子圖像。子圖像尺寸設(shè)計(jì)為織物組織循環(huán)數(shù)的整數(shù)倍，以保證檢測(cè)窗口前后樣本之間的一致性和可重復(fù)性，如式（1）：

Pj=Rj×IRj/ρj

Pw=Rw×IRw/ρw（1）

式中：Pj、Pw為窗口經(jīng)、緯向像素?cái)?shù);Rj、Rw為織物經(jīng)、緯向組織循環(huán)數(shù);IRj、IRw為圖像經(jīng)、緯向分辨率;ρj、ρw為織物經(jīng)、緯向密度。

對(duì)某標(biāo)稱規(guī)格133×100的平紋棉織物（經(jīng)密133根/英寸、緯密100根/英寸），圖像分辨率為72PPI（Piexs/inch），其組織循環(huán)數(shù)（單位：像素）為經(jīng)向2×72/（52×2.54）=1.09，緯向2×72/（39×2.54）=1.45，則窗口取值109×145及其整數(shù)倍。

窗口選取大則低頻呈現(xiàn)效果好，適用于較大面積的條狀、塊狀疵點(diǎn)，如稀密路，大的破洞、油塊等;窗口小，則高頻細(xì)節(jié)呈現(xiàn)清晰，低頻效果反倒不能完整呈現(xiàn)，適用于單根紗線所造成的疵點(diǎn)，如粗經(jīng)、粗緯、竹節(jié)、缺紗、斷紗、小跳花等，故應(yīng)選取大小兩種尺寸窗口，且兩窗口均滿足窗口尺寸為織物組織循環(huán)數(shù)的整數(shù)倍原則。部分原始圖像樣本見含疵樣本圖2。

其中竹節(jié)、粗緯分別代表經(jīng)、緯方向性疵點(diǎn)，斷經(jīng)、稀弄為導(dǎo)致紋理破壞的疵點(diǎn)，跳紗、油斑為塊狀類疵點(diǎn)，前二者為紡部工序產(chǎn)生的疵點(diǎn)，后四者為織部工序產(chǎn)生的疵點(diǎn)，樣本具有普遍性與代表性。

2圖像采集與預(yù)處理

圖像預(yù)處理可以有效提高目標(biāo)圖像的識(shí)別清晰強(qiáng)度，減少數(shù)據(jù)處理量，該工作通過(guò)圖像采集卡等硬件來(lái)完成，上位機(jī)不參與以提高數(shù)據(jù)處理的實(shí)時(shí)性。首先將采集到的RGB圖像轉(zhuǎn)換成灰度圖像格式，然后對(duì)灰度圖像進(jìn)行直方圖均衡化處理，再進(jìn)一步把圖像轉(zhuǎn)換成二值圖像格式。