基于线阵CCD的坯布疵点检测算法研究

论文摘要

目前，纺织品质量是提高织物市场竞争力的重要保障与前提，因此，在纺织工业生产的过程中，坯布的疵点检测环节显得越来越重要。在传统验布过程中，疵点检测大多是由工人用肉眼完成的，这种作法不仅存在着效率低，精度差，漏检率高等缺点，还会受到诸多因素的影响。本课题在相关科学技术飞速发展的基础上，潜心研究国内外现有的织物疵点检测算法，提出并验证了基于线阵CCD的坯布疵点检测算法。该算法分为三个部分：其一是针对于TCD1206SUP的线阵CCD控制时序算法；其二织物的特征提取算法；其三是疵点分类检测算法。以上三部分均可应用于坯布疵点检测系统中，使检测系统的图像采集和图像处理模块能更好的协调工作，使得系统实时性和疵点分类精度都得以有效的提高。本课题所做的主要工作有：第一，依据本课题的设计要求，选用了TCD1206SUP型线阵CCD，针对其驱动时序脉冲特征，在FPGA模块化设计的基础上，采用VHDL硬件描述语言，完成了TCD1206SUP型线阵CCD的驱动脉冲的设计；第二，利用数字图像处理的一些相关技术，经小波分解和重构等一系列变换后，提取了织物经纬细节图像能量、熵、方差、对比度和极差5类统计特征参数；第三，重点提出并对比验证了一种改进的坯布疵点分类方法，即基于CART树特征选择的BP神经网络分类算法。该方法对比传统的BP神经网络坯布疵点分类算法，先运用CART树对多个织物疵点特征进行特征选择，提取出区分度较高的特征，使特征参数得以降维，再通过降维后的特征对BP神经网络进行训练，从而达到疵点分类的目的。与传统单一的BP神经网络疵点分类算法相比多了CART树特征选择这一步骤。经过验证，该方法对于提高分类速度和精度，减少网络训练循环次数等方面都具有显著的效果。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 工业视觉系统概述
• 1.2 国内外研究现状
• 1.3 坯布疵点检测系统结构设计
• 1.4 系统算法层次设计
• 1.5 课题背景与研究意义
• 1.6 课题研究内容
• 2 基于 FPGA 的线阵 CCD 驱动算法设计
• 2.1 FPGA 技术
• 2.1.1 FPGA 的特点
• 2.1.2 Quartus Ⅱ软件介绍
• 2.1.3 VHDL 硬件描述语言简介
• 2.2 CCD 传感器
• 2.2.1 CCD 器件分类
• 2.2.2 线阵 CCD 器件
• 2.3 线阵 CCD 芯片 TCD1206SUP
• 2.3.1 TCD1206SUP 的结构与特性
• 2.3.2 TD1206SUP 驱动时序分析
• 2.4 基于 FPGA 的 TCD1206SUP 驱动模块设计
• 2.4.1 分频模块设计与分析
• 2.4.2 数据选择器模块的设计
• 2.4.3 CCD 驱动信号产生器模块的设计
• 2.4.4 顶层模块设计与仿真结果分析
• 2.5 本章小结
• 3 织物图像的预处理
• 3.1 疵点种类特点介绍
• 3.2 快速检测
• 3.3 图像预处理
• 3.3.1 图像类型转换
• 3.3.2 图像噪声的消除
• 3.3.3 图像对比度增强
• 3.4 基于数学形态学的疵点边缘检测
• 3.4.1 数学形态学
• 3.4.2 疵点边缘检测算法
• 3.5 本章小结
• 4 基于小波分解的织物图像特征值提取
• 4.1 小波的基本理论
• 4.1.1 连续小波变换
• 4.1.2 离散小波变换
• 4.1.3 二维小波变换
• 4.2 织物图像的小波变换
• 4.2.1 小波基函数的选取
• 4.2.2 图像的小波分解
• 4.3 织物图像的特征值提取
• 4.3.1 织物纹理的统计特征参数提取
• 4.3.2 特征值参数的归一化处理
• 4.3.3 实验结果统计分析
• 4.4 本章小结
• 5 基于 CART 树特征选择的 BP 神经网络疵点分类
• 5.1 误差回传神经网络（BP）
• 5.2 CART 树
• 5.3 分类结果分析与算法验证
• 5.3.1 基于 BP 神经网络的分类结果分析
• 5.3.2 基于 CART 树特征选择的 BP 神经网络分类算法验证
• 5.4 本章小结
• 6 总结与展望
• 参考文献
• 附录
• 攻读学位期间发表文章
• 致谢