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。
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。
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
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
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。
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。
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
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
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。
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%。
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
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)
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。