基于機(jī)器視覺的織物缺經(jīng)檢測系統(tǒng)

石 全 宋志峰 徐自立 林富生 余聯(lián)慶

（1.武漢紡織大學(xué)，湖北武漢，430200；2.三維紡織湖北省工程研究中心，湖北武漢，430200；3.湖北省數(shù)字化紡織裝備重點(diǎn)實(shí)驗(yàn)室，湖北武漢，430200）

隨著現(xiàn)代紡織工業(yè)的發(fā)展，織機(jī)效率越來越高［1］，然而機(jī)織物缺陷檢測的工作還是主要由人工完成，這就導(dǎo)致了缺陷檢測效率與織機(jī)效率不匹配［2］、工人勞動(dòng)強(qiáng)度過大等問題［3］。為了使織物缺陷檢測工作與現(xiàn)代紡織工業(yè)的發(fā)展相適應(yīng)［4］，需要更加高效可靠的織物缺陷檢測方法來代替人工檢測［5］。

目前已經(jīng)有一些學(xué)者針對(duì)此問題進(jìn)行研究，并取得了一定成果［6］。利用能量差對(duì)比法檢測織物缺經(jīng)缺緯［7］，速度快，可行性較強(qiáng)，但由于織物邊緣位置與缺陷位置能量特征相似，采集圖像時(shí)應(yīng)避免采集到織物邊緣位置。利用小波變換檢測織物疵點(diǎn)［8-9］，計(jì)算成本低，成功率較高，但如果邊緣周圍存在與疵點(diǎn)相似的痕跡，就容易造成算法的誤判。利用雙混沌機(jī)制粒子群算法檢測織物疵點(diǎn)［10］，利于粒子群搜索最優(yōu)解，但是該算法較為復(fù)雜，檢測速度不高。深度學(xué)習(xí)算法也被應(yīng)用到織物疵點(diǎn)檢測中［11-12］，但為了提高該算法的檢測精準(zhǔn)度，前期需要大量的樣本進(jìn)行訓(xùn)練，而且織物的生產(chǎn)過程較為復(fù)雜，出現(xiàn)的疵點(diǎn)隨機(jī)性較大，有時(shí)難以準(zhǔn)確判斷。

缺經(jīng)是織物疵點(diǎn)的主要類型之一［13-14］，本研究提出了一種基于Halcon 的織物缺經(jīng)檢測系統(tǒng)，首先通過預(yù)處理增強(qiáng)缺經(jīng)特征；然后構(gòu)造濾波器進(jìn)行方向?yàn)V波提高缺經(jīng)部分與非缺經(jīng)部分對(duì)比度；最后通過灰度投影曲線差分判斷缺經(jīng)情況。該方法不僅可以區(qū)分出織物的邊緣部分和缺經(jīng)部分，而且針對(duì)不同光照條件下的織物圖像有較強(qiáng)的自適應(yīng)能力［15］。經(jīng)過試驗(yàn)證明，該方法可有效檢測出織物的缺經(jīng)情況，檢測速度快，結(jié)果準(zhǔn)確，有較強(qiáng)的魯棒性。

1 檢測系統(tǒng)設(shè)計(jì)

該系統(tǒng)由計(jì)算機(jī)、工控柜、傳送帶、光源、相機(jī)組成。計(jì)算機(jī)收發(fā)數(shù)據(jù)和圖像處理；工控柜控制傳送帶運(yùn)動(dòng)；傳送帶運(yùn)送織物；相機(jī)采集織物圖片；光源增強(qiáng)織物特征。檢測系統(tǒng)示意圖如圖1所示。

1.1 采集圖像

一般紗線顏色較淺，缺經(jīng)部分與非缺經(jīng)部分的對(duì)比度非常小，難以區(qū)分。因此采集圖像前，在織物下方通過紅色高頻率熒光燈光源進(jìn)行打光處理［16］，使缺經(jīng)部分與非缺經(jīng)部分的對(duì)比度提高，以便于后續(xù)檢測。使用工業(yè)CCD 相機(jī)對(duì)圖像進(jìn)行三通道采集［17-18］。打光處理后采集到的缺經(jīng)織物樣本圖像如圖2 所示。

圖2 缺經(jīng)織物圖像

1.2 預(yù)處理

雖然采集圖像時(shí)用紅色光源進(jìn)行了打光，使缺經(jīng)部分與非缺經(jīng)部分的對(duì)比度有了一定提高，但此時(shí)仍然不能清晰區(qū)分。將原本的三通道圖像分解為三個(gè)單通道圖像即R、G、B 通道圖像，如圖3 所示?？梢钥闯?，R 通道的缺經(jīng)部分最為明顯，因此對(duì)R 通道圖像做后續(xù)檢測處理。

圖3 單通道織物圖像

R 通道圖像中，缺經(jīng)部分是白色，而以黑色為主的非缺經(jīng)部分占據(jù)了圖像大部分位置，缺經(jīng)部分仍然不易區(qū)分。因此，對(duì)R 通道圖像進(jìn)行灰度反轉(zhuǎn)處理，如圖4 所示?？梢悦黠@看出，缺經(jīng)處的灰度值與非缺經(jīng)處有明顯不同。

圖4 灰度反轉(zhuǎn)后的織物圖像

1.3 方向?yàn)V波

方向?yàn)V波是利用卷積的方法對(duì)像素值進(jìn)行梯度差分運(yùn)算，增強(qiáng)灰度值突變處的特征，其原理如圖5 所示。方向?yàn)V波器從原圖像的左上角依次向右移動(dòng)，對(duì)應(yīng)位置的數(shù)字相乘并相加，得到的值為新圖像在濾波器中心位置處像素點(diǎn)的灰度值。由水平方向?yàn)V波器的構(gòu)造可知，灰度值變化平滑的位置，濾波器中左右兩側(cè)像素點(diǎn)的灰度值發(fā)生了很大程度的抵消，卷積后灰度值變化不大。而灰度值變化劇烈的位置，左右兩側(cè)像素點(diǎn)的灰度值無法抵消，并對(duì)原灰度值進(jìn)行了增幅。因此，可以使用方向?yàn)V波進(jìn)一步增強(qiáng)缺經(jīng)特征。

圖5 方向?yàn)V波原理示意圖

為了獲得理想的濾波效果，構(gòu)造了不同階數(shù)的濾波器，并對(duì)濾波效果進(jìn)行比較，如圖6 所示。濾波后的織物圖像如圖7 所示。

圖6 不同階數(shù)的方向?yàn)V波器

圖7 不同階數(shù)方向?yàn)V波后的織物圖像

在后續(xù)試驗(yàn)中發(fā)現(xiàn)，經(jīng)3 階方向?yàn)V波的樣本，漏檢情況較多；7 階方向?yàn)V波的樣本，錯(cuò)檢情況較多；而5 階方向?yàn)V波的樣本，效果較好。為了控制整體灰度值處于合適的范圍，使用5 階方向?yàn)V波器后，給濾波器賦予不同的權(quán)重，進(jìn)行后續(xù)檢測試驗(yàn)，濾波后的織物圖像如圖8 所示。

經(jīng)過大量測試，權(quán)重為-1/4 時(shí)檢測準(zhǔn)確率最高。因此，將濾波器確定為權(quán)重-1/4 的5 階方向?yàn)V波器。

1.4 灰度投影

為了準(zhǔn)確得到灰度值分布情況，對(duì)織物圖像進(jìn)行垂直灰度投影，方向?yàn)V波前后的灰度投影曲線如圖9 所示。

圖9 方向?yàn)V波前后的垂直灰度投影曲線

從圖9 中發(fā)現(xiàn)，經(jīng)過方向?yàn)V波，缺經(jīng)特征得到了充分的增強(qiáng)，但織物邊緣部分的灰度值特征與缺經(jīng)部分難以區(qū)分。因此采用均值濾波進(jìn)一步處理。

1.5 均值濾波

一方面，由于不同織物采集到的圖像整體灰度值有所不同，同一織物在不同光照條件下采集到的圖像整體灰度值也會(huì)發(fā)生變化。另一方面，由于織物邊緣的灰度值投影也會(huì)突然增大。因此，僅僅根據(jù)垂直灰度投影的值并不能準(zhǔn)確判斷出缺經(jīng)的位置。為了使不同光照條件下圖像的檢測具有更強(qiáng)的魯棒性，以及消除將織物邊緣誤檢測為缺經(jīng)的情況，采用均值濾波平滑灰度投影曲線。

均值濾波后的灰度投影曲線如圖10 所示?？梢钥闯?，缺經(jīng)部分的灰度投影值大大減小，邊緣部分和其他非缺經(jīng)部分的灰度投影值和原曲線相差不大。

圖10 均值濾波后的灰度投影曲線

1.6 灰度投影曲線差分

在相同坐標(biāo)系下分別表示出均值濾波前后的灰度投影曲線，可以更加直觀地看出缺經(jīng)部分兩者的差值遠(yuǎn)遠(yuǎn)超過其他部分，如圖11 所示。其中，藍(lán)色曲線為均值濾波前的灰度投影曲線，紅色曲線為均值濾波后的灰度投影曲線。

圖11 均值濾波前后的灰度投影曲線

由于灰度投影曲線僅在缺經(jīng)部分發(fā)生了明顯變化，將均值濾波前后的灰度投影曲線差分，得到差值較大的部分，就可以判斷為缺經(jīng)部分。同時(shí)，由于織物邊緣部分的灰度投影值變化不大，經(jīng)過差分，就消除了將織物邊緣誤檢為缺經(jīng)的情況。另外，由于新曲線的整體灰度值與原曲線正相關(guān)，通過差分也可以在一定程度上消除不同光照條件對(duì)檢測系統(tǒng)的影響，提高了檢測的魯棒性。

差分后，通過差值來判斷缺經(jīng)情況。如果存在差值大于閾值，說明存在缺經(jīng)，可根據(jù)橫坐標(biāo)位置得到缺經(jīng)位置，并將其用紅色線條繪制在圖像中。如果不存在差值大于閾值，則表示織物完整，不存在缺經(jīng)情況。為了保證閾值選取的合理性，選取了不同的閾值進(jìn)行檢測試驗(yàn)，結(jié)果如圖12所示。

經(jīng)試驗(yàn)，閾值小于18 時(shí)，容易出現(xiàn)錯(cuò)檢情況，如圖12（a）和圖12（b）所示；閾值大于22 時(shí)，容易出現(xiàn)漏檢情況，如圖12（d）所示；閾值為18～22時(shí)，檢測準(zhǔn)確率最高。綜合考慮，將閾值定為20。

圖12 不同閾值下的缺經(jīng)檢測情況

2 結(jié)果分析

本系統(tǒng)使用的計(jì)算機(jī)CPU 為Intel I7-9750H，GPU 為NVIDIA GTX 1660 Ti，相機(jī)為工業(yè)CCD相機(jī)，圖像分辨率為2 560 pixel×1 920 pixel。

2.1 檢測準(zhǔn)確率分析

為了檢驗(yàn)本系統(tǒng)的檢測準(zhǔn)確性，采用了100組試驗(yàn)樣本，按照上述方法分別在5 個(gè)不同的時(shí)間段按順序進(jìn)行5 輪試驗(yàn)，每輪試驗(yàn)進(jìn)行3 次重復(fù)采集并測試。其中1 組～50 組為合格織物，51 組～100 組為缺經(jīng)織物。試驗(yàn)結(jié)果如表1 所示。

表1 準(zhǔn)確率檢測結(jié)果

經(jīng)計(jì)算，該系統(tǒng)的平均檢測準(zhǔn)確率為99.47%，其中合格織物的檢測準(zhǔn)確率為99.20%，缺經(jīng)織物的檢測準(zhǔn)確率為99.73%。

2.2 檢測穩(wěn)定性分析

在實(shí)際生產(chǎn)環(huán)境中，不同的光照條件可能會(huì)對(duì)檢測過程產(chǎn)生影響。為了測試系統(tǒng)的穩(wěn)定性，在不同光照條件下對(duì)1 號(hào)～10 號(hào)合格織物和11 號(hào)～20 號(hào)缺經(jīng)織物進(jìn)行50 次重復(fù)檢測試驗(yàn)，檢測結(jié)果如表2 所示?？梢钥闯觯鞠到y(tǒng)對(duì)不同光照條件的適應(yīng)性良好，合格織物的平均檢測準(zhǔn)確率為99.4%，缺經(jīng)織物的平均檢測準(zhǔn)確率為99.6%，具有良好的魯棒性。

表2 檢測穩(wěn)定性結(jié)果

2.3 檢測效率分析

20 次的檢測耗時(shí)統(tǒng)計(jì)結(jié)果如圖13 所示。其中，1 次～10 次為合格織物，11 次～20 次為缺經(jīng)織物?？梢钥闯?，平均檢測耗時(shí)為164.5 ms，比人工檢測的效率提高了約1 倍，可滿足現(xiàn)代紡織工業(yè)的生產(chǎn)需求。

圖13 檢測耗時(shí)統(tǒng)計(jì)

3 結(jié)語

本研究運(yùn)用機(jī)器視覺軟件Halcon，將機(jī)器視覺運(yùn)用到織物缺經(jīng)檢測系統(tǒng)上。該方法先運(yùn)用一系列圖像處理手段增強(qiáng)缺經(jīng)部分，使缺經(jīng)部分與非缺經(jīng)部分的對(duì)比度提高以便于后續(xù)檢測處理；再利用灰度投影的方法得出投影曲線，并對(duì)其均值濾波處理；通過灰度曲線差分判斷是否超過閾值，得出缺經(jīng)情況和位置。試驗(yàn)結(jié)果表明：該方法具有較高的檢測準(zhǔn)確率和較快的檢測速度，并在不同光照條件下?lián)碛休^強(qiáng)的魯棒性。這也為缺緯、重經(jīng)、重緯等其他織物缺陷檢測提供了參考。