坯布疵点在线检测的识别算法研究

论文摘要

随着工业自动化的发展,纺织业的生产自动化已是必然趋势。随之而来的产品质量越来越受到关注,提高产品质量,加快自动检测技术的研究是当务之急。本文对基于机器视觉技术坯布图像在线检测中识别算法进行了研究,并完成了对坯布在线检测关键技术的研究及实现。首先,建立了坯布分类评价标准并对各种疵点特征进行了分析,为识别分类提供了依据;论述了坯布疵点识别原理,提出了坯布疵点在线检测软件系统设计方案,详细分析了图像的处理过程,并对坯布图像的预处理过程做了简要介绍。其次,对经过均衡化、中值滤波和错位差影算法预处理后,得到的已经去除噪声和减少坯布纹理影响的较高质量图像,提出了一种基于结构直方波、小波变换和数学形态学的疵点特征提取方法。首先对坯布图像在空间域上进行结构直方波和小波变换,提取出图像特征值,判别是否疵点。若是疵点,再经阈值分割得到二值图像,采用数学形态学方法提取坯布疵点几何特征,用于疵点分类。在算法实现上,先采用Lab VIEW软件,方便快捷地对算法分析,然后采用Visual C++编程,结合基于计算机硬件的优化指令集IPP类库,对特征提取算法实现。最后,对坯布疵点进行识别与分类,提出建立两个神经网络,一个用于判别坯布图像是否有疵点,另一个则用于对含有疵点的图像进行分类。在标准BP网络算法的基础上,提出了一种改进BP算法,并应用于坯布在线检测中,结果表明改进的BP算法训练速度快,识别分类精度高。

论文目录

• 摘要
• Abstract
• 1. 绪论
• 1.1 课题来源、研究背景及意义
• 1.1.1 课题来源
• 1.1.2 课题研究背景及意义
• 1.2 国内外织物疵点检测研究成果
• 1.2.1 国内外织物疵点特征提取算法研究成果
• 1.2.2 国内外织物疵点识别算法研究成果
• 1.3 本文主要研究内容和关键问题
• 1.4 本文主要工作
• 2. 坯布疵点评定标准与系统概述
• 2.1 坯布疵点评定标准
• 2.1.1 分类规定
• 2.1.2 布面疵点的检验
• 2.1.3 布面疵点的计量
• 2.1.4 疵点评分的说明
• 2.1.5 经纬纱的细度、密度及紧度
• 2.2 检测系统概述
• 2.2.1 坯布疵点识别原理
• 2.2.2 软件系统概述及机器视觉检测过程
• 2.3 本章小结
• 3. 坯布图像预处理及特征提取
• 3.1 图像预处理
• 3.1.1 灰度图像的对比度增强
• 3.1.2 图像的平滑处理
• 3.1.3 纹理分割
• 3.2 坯布图像特征值分析与选取
• 3.2.1 结构直方波
• 3.2.2 小波变换
• 3.2.3 数学形态学
• 3.2.4 特征参数分析
• 3.3 特征值应用与实现
• 3.4 本章小结
• 4. 坯布疵点识别与分类
• 4.1 模式识别方法
• 4.2 分类器设计
• 4.2.1 人工神经网络基本理论
• 4.2.2 神经网络模型的构建
• 4.2.3 BP 算法的改进技术
• 4.2.4 改进BP 算法流程与步骤
• 4.3 算法应用与识别分类的实现
• 4.4 本章小结
• 5. 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 附录一：常见坯布疵点种类
• 附录二：攻读硕士学位期间发表的论文
• 致谢