（机械电子工程专业论文）织物疵点的计算机软件识别方法研究.pdf

武汉理1 人学硕士学位论文 摘要 作为一个纺织大国，我国到目前为止还没有开发出实用的织物自动检测系 统，而从国外引进的系统存在价格太高，机器配置和操作方式不能很好适应我 国具体生产状况的问题。 我们在对近2 0 年国内外织物疵点自动检测技术的发展历程及已成功推向市 场的成果的学习与研究的基础上，指出了适合我国的织物疵点自动检测研究发 展方向，即基于计算机软件处理的检测方法。并提出了一套行之有效的疵点识 别软件算法，为我国推出自主研发的织物疵点自动检测系统提供了理论基础及 技术上的支持。 本文提出的检测算法为：用数码相机在均匀光线照射下平行于白色机织物坯 布拍照获得织物图像，输入计算机；先将织物图像转换为灰度图，使用直方图 均衡化法增强图像的清晰度和对比度；然后利用类似”灰度共生矩阵”的统计算法 识别织物的纹理密度，基于织物经纬密度和疵点特征对织物图像进行数据压缩， 加快了后继处理速度并减少了图像的噪声干扰；再利用灰度阈值分割将织物图 像二值化提取出疵点部分，并用“腐蚀膨胀”算法滤除灰度阈值二值化后 图像中产生的噪声点；最后提取疵点的特征值，输入单层( 无隐层) 感知器神 经网络进行疵点的识别与分类。 我们成功地将织物纹理密度识别的研究成果运用于织物疵点检测中，具体来 说是用于图像数据的压缩中，大大减小了数据处理量，加快了疵点识别速度， 并去除大量冗余数据减小了噪声干扰，使检测结果更准确。在实验中我们对白 色平纹机织物的缺经，重经，缺纬，重纬，破洞，油污等6 种最常见，出现最 多的疵点进行了识别，正确识别率达到9 6 。 本文提出的方法在纹理识别算法、压缩算法、疵点特征值的定义和提取上 还可进一步补充和优化。改进和完善后的算法在处理速度和自动化程度上可进 一步提高，可识别疵点的种类也能够增加。 关键词：织物疵点，a 动检测，纹理识别，感知器神经网络 堂堡堡三查堂堡主堂鱼堡壅 a b s t r a c t a sac o u n t r yw i t ha b u n d a n tt e x t i l ep r o d u c t i o n ，w eh a v e n te x p l o i t e dap r a c t i c a l a u t o m a t i cd e t e c t i n gs y s t e mf o rt e x t i l ey e t a n dt h e r ea l w a y sb e e ns o m ep r o b l e m si n t h es y s t e m si m p o r t e da b r o a dl i k e ：p r i c e sa r et o oh i g h ，t h ec o n f i g u r a t i o na n d o p e r a t i o n o ft h ed e v i c ec a l l tf i to u ra c t u a lm a n u f a c t u r i n gs i t u a t i o n b a s e do nt h es t u d ya n dr e s e a r c ho ft h ed e v e l o p m e n to ft h ea u t o m a t i cd e t e c t i n g t e c h n o l o g yo ff a b r i cd e f a u l t sa n dt h ef a b r i cd e f a u l t sd e t e c t i n gp r o d u c t i o nt h a ta l r e a d y i nu s e ，w ei n d i c a t et h ed e v e l o p m e n td i r e c t i o no ft h er e s e a r c ho fa u t o m a t i cf a b r i c d e f a u l t sd e t e c t i n go fo u rc o u n t r y t h a ti st h ew a yt ou s ec o m p u t e rs o f t w a r et od e t e c t a n dw ep u tf o r w a r das e r i e so fe f f e c t i v ed e t e c t i n ga r i t h m e t i c ，w h i c hp r o v i d e s a c a d e m i cf o u n d a t i o na n dt e c h n o l o g i c a ls u p p o r tf o rt h eo w nf a b r i cd e f a u l t sd e t e c t i n g s y s t e me x p l o i t e db yo u rc o u n t r y t h ed e t e c t i n gm e t h o dw eu s e dj sl i s t e db e l l o w ：t a k et h ep h o t o so ft h ew h i t e w o v e n l i g h t e db ye q u a ll i g h tw i t han u m e r a lc a m e r a ，a n dp u tt h ep h o t o g r a p ho ff a b r i c i n t oc o m p u t e r ；f i r s tt r a n s f o r mt h ef a b r i cp h o t oi n t og r a yp h o t o ，p r o p o r t i o nt h eg r a y p h o t o t oe n h a n c et h ed e f i n i t i o na n dc o n t r a s t ；s e c o n du s et h em e t h o ds i m i l a rw i t ht h e g r a yl e v e la c c r e t i o nm a t r i x ”a r i t h m e t i ct oi d e n t i f yt h ed e n s i t yo ft h ef a b r i ct e x t u r e ， c o m p r e s st h ei m a g ed a t ab a s e do nt h et e x t u r ed e n s i t ya n dt h ec h a r a c t e ro fd e f a u l t s ， t h i se x p e d i t et h es u b s e q u e n tp r o c e s s i n gs p e e da n dr e d u c et h ei n t e r f e r e n c eo fn o i s e ； t h a nu s et h eg r a yv a l u ev a l v et od i v i d et h ed e f a u l t sf r o mo t h e rn o r m a lf a b r i cp a r ta n d f i l t e rt h en o i s e sb y “c o r r u p t e x p a n d a r i t h m e t i c ；l a s td i s t i l lt h ee i g e n v a l u e so ft h e d e f a u l t ，i n p u tt h e mt ot h es i n g l ef l o o r ( n oc o n c e a l e df l o o r ) p e r c e p t r o na r t i f i c i a ln e u r a l n e t w o r kt oc l a s s i f yt h ed e f a u l t s w ea p p l yt h er e s e a r c hp r o d u c t i o no ff a b r i cd e n s i t yi d e n t i f i c a t i o ni n t of a b r i c d e f a u l td e t e c t i o ns u c c e s s f u l l y , i n t ot h ed a t ac o m p r e s s i o no ft h ef a b r i ci m a g ep r o c e s s e x a c t l y t h a tw i l ld i m i n i s ht h ed a t aa c c o u n tal o t ，e x p e d i t et h ei d e n t i f i c a t i o ns p e e d ， a n dw i p eo f fm u c hr e d u n d a n td a t a ，r e d u c et h ei n t e r f e r e n c eo fn o i s e ，m a k et h er e s u l t m o r ec o r r e c t i nt h ee x p e r i m e n tw ed e t e c t6k i n d so fm o s tc o n s t a n td e f a u l t so nt h e i l 武汉理：i ：大学硕士学位论文 w h i t ew o v e n ：e n do u t ，d o u b l el o o ps t i t c h ，t h r e a do u t ，d o u b l el o o pp i c k ，b o r e ，o i ls t a i n ， t h ec o r r e c ti d e n t i f i c a t i o nr a t er e a c ht o9 6 t h em e t h o dm e n t i o n e di nt h i sp a p e rc a nb ec o m p l e m e n ta n do p t i m i z ei nt h e p r o c e s s e so f ：t h et e x t u r ed e n s i t yi d e n t i f i c a t i o n ，d a t ac o m p r e s s i o n ，t h ee i g e n v a l u e d e f i n i t i o na n dd i s t i l l i n g t h ec o n s u m m a t ea r i t h m e t i cw i l lg o ta d v a n c ei np r o c e s s i n g s p e e d ，a u t o m a t i z a t i o nl e v e la n dv a r i e t yo f t h ed e f a u l t st h a tc o u l db ed e t e c t e d k e yw o r d s ：f a b r i cd e f a u l t ，a u t o m a t i cd e t e c t i o n ，t e x t u r ei d e n t i f i c a t i o n ，p e r c e p t r o n a r t i f i c i a ln e u r a ln e t w o r k i n 藏汉理二 大学硕士学霞沦文 第1 章绪论 1 1 织物疵点自凑梭溅的重要意义 随着计算机技术的飞遮发展，图像处理技术已经应用于越来越多的行业，它 的优点猩于能够快速、直观地反映二维的信息体。在纺织品检测中，应用图像技 术可以减少人主观上的干扰，改变垦测识别时的效率低下，目前在纺织领域中的 瘟建= 差黉爵分为三类：绎维梭潮、纱线验嚣帮织物瓣裣溺。织物硷溅方覆主要莛 织物袋蕊的纹理分析，织物的疵点检测以及织物褶皱分析。 其中织物疵点的检验怒藏个纺织生产流程中的重要一环，目前图外已有实用 的自动疵点检测系统，但我国引进作为生产资料的还很少。原因怒篡价格高， 对我黧瑟谚生产环境适应链不够，且对操传人爨稷关技术要求嵩。蹰黻现在我 国戳及檄界上大部分国家和遣区主要还是鑫j 人工进行织物藏点袋辍捡测。这种 方法努动强度大，对检验人员簧求较高，且易受主观因素影响，漏检率较高，难以达 到准确枪验目的。 箍我国由于喷气、剑杼等耨型织枫的广泛采用，布机的速度不断提离，织 凌恿产蘩逛越来越蔫，辩产蘸蒺量档次豹要求穗不薮提毫，因藏磷发适合我国 纺织般的疵点自动检测系统势在必行。而盛如果将疵点检测和分黉装置用于织 机，即在织机上对织物疵点进行在线检测和分类，发现疵点并及时她发出信号， 给操作人员提供疵点信息以帮助及时地处理敞障，甚至自动采取调熬措施对疵 点邈蟹楚理，霹滋最大瓣浚遮减少疲点对绞物矮薰造或的撰害，莠尽霹爱保证 离生产率，提高织造、梭测工序的鑫动纯程发。 本课题的研究目的就在于为开发具有低成本高质量的、适合我因纺织工业 情况的织物疵点自动检测系统提供方法和技术揍础。为提高我圈纺织品生产质 量秘效率，增强我国纺织熬出日竞争力做出黉激。 1 2 阑内外疵点检测的研究成果及现状 近2 0 多年内困内外学者对织物疵点检验进行r 火量的研究，有不少研究成 武汉理l ：夫学硕士学挺论文 果已掺肉市场。如：瑞士z e l l w e g e ru s t e r 公司搬出的用神经网络识别技术开发的 f a b r i s c a n 检布系统；比利时b a r c o 公司的验布系统；德国o b d i x 光电子技术公 司开发的在线织物检验系统【l 】：以色列e v s 公司的i t c x 机型自动检布系统等悖1 。 僵真正适用于实际生产，被常场接纳的并不多，主要市沥占有者为敬色列懿e v s 公司。 1 2 1 国际织物疵点检测产品与技术的发精 毽 ； 人工捡骏豹验毒掇速度隽15m 船i 箍一勰融m ，嚣叁动骢毒援豹速度舞 1 0 0m m i n ，有的可达到3 0 0m m i n ，且检验有效率比人工检验更高，原来用2 0 多台验糍枫的工终量，饺用2 ，3 套巍动验布飘即可完成，大大提寒了劳动生产 率和工作效率。现将目前世界纺织蛾常见的自动验布系统的组成和特点介绍如 下。 u s t e r 公司的f a b r i s c a n 自动验布系统，在宽度方向装脊2 8 只祷制赢分辨率 线扫描c c d 摄像机，检测织物幅宽范围1 1 0 4 4 0 c m ，速度最搞可达1 2 0 m m i n 。 系统采羯神经嘲1 络技术，稔援l 薅，蓄悫蹩祷始静学习阶段，鲻时鳕l m i n ，霹缀耪靛 第一米记录其萨常外观特征参数，然后进入检测阶段，寻找与正常外观不同的局 舔舅露，怼其分掇、耘记著记录。另乡 ，检测绝巢爵输入集艘豹曩量繁毽系统，慰疲 点分类，进一步对织物质量评价。 德霆o b d i x 光毫予技术公司开发豹在线织物捡验系绞。这个系统把光学粒 力学结合在一起的，在用神经网络方法处理的软件支持下用传感器对f 在级造 的织物表蘑进行检测。这个装置能分类如下疵点；污物，玻洞，断经，断纬，跳 纱，缩子，接结蹴，色疵。 以色列e v s 公司的坯布自动检测系统核心装置i t e x 是一套计观察检测系 统，该系统基予独立图象理解算法，丽其算法剐模仿入黉的视囊橇翎，可螽动 控制探测、保存、定位并进一步对布面上的疵点进行评估分析，能检测出小至 0 5 m m 的爵晃溅点，检溺f j 福这3 3 0 c n l 。该公霹已囱敬濑、美溺、噩濒秘饕测 的纺织印染企业出售了2 0 0 多套1 - t e x 系统。其数量占现有整个织物疵点自动 检验系统枣场 ； 鬏熬粥戮一毫，在我澄莰煮掇少数厂家引避了该系统。 2 武汉理工大学硕士学位论文 国舞学蠢对织秘瘸点容动识鬟静磷究已有近3 0 年，在发矮中算法不断更薪 和完善，速度不断提商【3 】o 所有麒有实用价值的算法基本遵循先提取特征值，再 输入季孛经秘络逶毒亍识糕楚过程【4 l 瓢。 提取特征值最初阶段的算法多是利用图像狄魔值直接计算，如坎皮共生矩 晦、马尔瓣夫睫捉场等，其中一些算法存在诗算量大露导致楚璞速度造嫒豹缺点， 而且识别率普遍不高8 1 。接着弓i 入的是傅立叶和g a b e r 变换1 9 m 1 ，按照获取和 处理图像方式蟾不尉分为两类：一葶孛以c c d 采集织物图缘售患，出i 卡算搬软彳孛处 理对织物瓤点加以识别。另一种是采用光学透镜( 血傅立叶透镜、滤波器透镜等) 获取织物图像并进行处理。随聪则是小波变换，小波变换引入了尺度因子，能够 将各种交织在一起酶不同频率绦成的混合信号分解成不相秘频率的块僚号，能有 效地应用于织物疵点识别。 1 9 9 0 年y o s h i o s h i m i z u 等觚圈豫获发共生矩簿挺彀祷锰，透过受时辫决策对 疵点进行分类，采用图像匹配的方法建立了织物疵点检测专家系统。1 9 9 1 年 c o h e n 等采臻毒蘩马尔辩夫隧橡场f g 醚襄羚绞理攘燮霹绥魏瘸点瓣捡澳遴行了骚 究。2 0 0 3 年，m i g u e l 等提出了一种基于多重纹理特征分析的分类器，比以往的 纹理分类算法有更好瓣图像分割效果，键稍对多耪织物痰点避幸亍了识别l “l 。 1 9 9 6 年t s a i 等研究用后传播( b p ) 神经网络检测缺经、缺纬、油污和破洞疵 点，输入享申缎网络的特诬值是由织物图像的傅立叶功率谱得到的9 个参数，分类难 确率为8 8 【1 2 j 。2 0 0 0 年c h i h o c h a n 等将织物图像缀两点咖计算出图像的频 域功率谱，由其计算出7 个参数，可检测出双经( 纬) 、缺经( 纬) 、破洞和密廪波动等 4 类疵点。 1 9 9 6 年j a s p e r 研究了自适应小波在纹理描述和疵点检测中的应用。2 0 0 2 年 d ，a 。k a r r a s 等磺究了臻二维离数夸渡交换写神经瓣络稳结合的方法对缓凌疵点 进行识别删。2 0 0 5 年s u n g s h i n 等设计了一种在线疵点识别系统，由程序将二维 图像售惑转为一维数握，再由爨逶应小渡变换磊数据弱售噪跑检测窭夔点。经 实验证明泼系统能有效检测出几种常见织物的缺经、缺纬等4 种疵点l l 。 1 2 2 国内织物藏赢自动谈剐的谤究瑗装 我圜的织物疵点岛动榆测方斯的研究起步比较晚，从上黻纪9 0 年代后期才。 藏汉理工大学礤+ 学缎论文 开始e 研究内容主要为疵点识别的算法，特i 芷摄取方法涉及空间域的纹理分析、 次度共生矩阵等算法，频率域的小波变换算法铸，疵点判定和分类多使用b p 神 经网络f 1 6 l t w 。 2 0 0 4 年帮滤运等耱织壤圈豫分或太，j 、磋阏豹震露窑疆，在嚣部漓最夺款窑毯 区域内分割出疵点图像，并用数字形态学中的开运算滤除噪声，计黪疵点形状因 子等作为识别参数，有效地识别了缺纬、断经、油污、破洞4 类常见疵点。实验 证明此方法基本满足实时检测的要求1 1 8 i 。2 0 0 4 年汪成龙等通过对织物结构的深 入割毒蓐，褥爨运翔毒纹的慧线特征纹理，由概率缓诗生藏壹方巨，寄教遮提取织耱 的特铤波形。经大量试验獠测证镑基于波形参数对比链准确定谴突变或异鬻位 置，正确识别织物疵点，成为简单高效的织物视徽检测算法1 1 9 1 。 举立轻等在织物图像的小波分解算法和紧支撑正交小波的鼙础上提出了织 物自邋成小波的构造，由蠢适应小波对织物图像分解，然后对分孵爝的纬向和经 两子溺像提取特蔹，峦特撼馕捡测帮谖爨藏煮。蜜验证臻了该方法瓣露冤癌点昊 有快速、准确的检测效柴f 删。努尔顿等用计辣得到的阂德对织物进行了二值他 处理，滤波消除二值图像噪声，从织物纹理分离出疵点部分。然后对b p 神经网 络进行训练，将灰度统计法得到的疵点特征值信息输入到b p 神缎网络，对疵点 遂行了分类1 2 1 1 。豫罐波等潮怒二维连续小滚旋褒时域秘颓域土辩缀物露豫圈露 实现任意尺度和旋转熊发交换的特征。通过纹理模型和频谱分帮子，确定出最优 的变换尺度和旋转角度，并由预先确定的全局阕值从小波变换系数的模中进行 疵点的分割，对多种疵点潍行了识别【2 2 1 。屈萍鸽等将织物图像进行3 层小波分 解。然震怒分解后的图像灰度馕作为特征参数输入到b p 神经陬络邀幸亍检测识别。 实验结聚表明，蠲这耪方法对3 耱织蘩痰点谈剩，哥达到9 8 熬谈鬟率p l 。 从围内已发表的文章中可以发现，在通过频率域处理的方法中很少见到基 于傅立叶变换的算法。因为傅立叶变换只是种纯频域的分析方法，在时域无 任何分辨能力，后来出现的g a b o r 变换和短时傅立叶变换( s t f t ) 就是为了弥 蛰这个不是。嚣小渡交羧不仅继承秘发震了s t f t 数羁韶睨愚恕，褥且竞骚了 s 1 _ f r 窗口大，j 、不髓颓率窝亿和g a b o r 交换缺乏离散正交基的缺点，特别适用于 非稳定信号的分析【2 4 】。因此小波分析在疵点识别方面比普通博立叶变换，g a b o r 变换和s t f t 具有明显的优势。国外疵点识别方法的研究是从小波飘论出现之前 4 武汉理_ l 人学硕士学位论文 就开始发展的，故经历了从傅立叶变换到小波变换的进化过程；而我国的疵点 识别方法研究是从小波理论开始普遍运用之后才丌始的，跳过了使用傅立叶变 换的阶段，直接利用小波变换来处理【2 5 】【2 6 1 。这也算是我国研究起步晚的一个优 点。起步晚自然起点就高，可以直接使用前人已经取得的研究成果，少走弯路。 而在空间域方面，由于计算机速度的不断提高，容许更为复杂算法的使用， 加上算法本身的不断发展和完善，也为疵点识别方法提供了更为丰富的选择如： 基于局部墒、纹理分析、马尔可夫随机场等的算法，或综合使用多种处理方法 的算法。甚至还有使用p c n n 神经元点火的算法出现【”1 。方法可谓多种多样， 其中一些也日趋成熟，具备很强的实用性。 1 3 本文研究内容 我国目前还没有一套能推向市场的织物疵点识别系统，研究工作应该着重 向着实用化方面发展。充分利用目前计算机计算速度和能力飞速提高以及算法 的不断发展和成熟的有利条件，实现疵点检测方法的软件化，降低检测系统的 制造和维护成本。 据相关调查，疵点的种类出现最多的工艺流程是织造过程，占所有疵点类 型的8 0 以上，而在染色、印花、和后整理流程中出现的疵点占不到2 0 。另 外，根据现有的检测技术，检测染色、印花后的疵点极其困难。本文用于实验 检测的图像都是在织造过程中出现的疵点图像。 本文借鉴国外已有产品的模式和技术，在已有算法中选择合适的种类并进 一步优化，使用空间域图像灰度共生矩阵与神经网络算法，并与图像纹理识别 相结合，对几种最常见的平纹棉织物疵点进行了识别。经实验验证取得良好的 效果。织物图像处理过程如下：( 1 ) 通过预处理过程提高图像的清晰度和对比 度。( 2 ) 结合纹理识别将图像数据量压缩到原有的1 4 3 。( 3 ) 根据灰度范围提 取疵点图像。( 4 ) 消除噪声干扰后提取疵点的特征值。( 5 ) 将特征值输入单层 ( 无隐层) 感知器神经网络进行识别。 武汉理工大学硕士学位论文 第2 章织物疵点与形成原因简介 各种不同织物和织造方法中都存在很多种类的疵点。本文所研究识别的只 是其中6 种最常见的疵点。本章中我们简要介绍一些常见的织物疵点，并详细 描述本文识别的6 种疵点的特征及形成原因。 2 1 织物疵点种类 织物疵点在织造和整染的全过程中都会出现，原材料的质量不合格亦会导 致疵点产生。其种类繁多，且使用每种不同原材料和织机所织造的布匹都会出 现特有的疵点。从下面列出的部分疵点种类中我们可以看到它的多样性： 缺经疵f e n do u t ) 经面上某段或通匹缺少一根或两根经丝，呈现一细条 组织点不连续的空路。缺纬疵( m i s sp i c k ) 这种情况指的是，织纹设计由于缺 少纬纱而遭到破坏。- 断纬疵( b r o k e np i c k ) 这种情况指的是，由于纬纱断裂 而导致在织物的部分宽度上缺少纬纱。 双经纱疵( d o u b l ee n d ) 一这种情况指 的是，在织物设计本来只需要一根经纱的地方却出现了两根经纱。 双纬纱疵 ( d o u b l ep i c k ) 这种情况指的是，在织物设计本来只需要一根纬纱的织机梭口处 却出现了两根纬纱。粗经疵( c o a r s ee n d ) 一这种情况指的是，有一根经纱的直 径要明显大于织物正常经纱的直径。粗纬疵( c o a r s ep i c k ) 一这种情况指的是， 有一根纬纱的直径要明显大于织物正常纬纱的直径。断头疵( b r o k e ne n d ) 这 种缺陷指的是经纱断裂后并经过修补的地方，它的常见特点是可以看见织到织 物当中的断头。横裆疵( b a r r e ) 一对针织织物而言，这种缺陷的特点是在织物横 列或在织物横向上通常会出现一些不均匀的花纹图案。斜纹疵( b i a s ) ( 参考纬 斜1 对梭织织物而言，这种缺陷指的是纬纱与经纱发生尺寸偏斜的地方：对针 织织物而言，这种情况指的是织物横列与织物纵行发生尺寸偏斜的地方。鸟眼 花纹疵f b i r d s e y ed e f e c t ) 对针织织物而言，这种情况指的是偶尔无规律出现的 与织物设计相反的集圈组织。弓弧( b o w ) 对梭织织物而言，这种情况指的是 纬纱以弧线方式位于织物的宽度方向上；对针织织物而言，这种情况指的是线 圈横列以弧线方式位于织物的宽度方向上。擦伤疵( b r u i s e ) - ( 参考边撑疵) 武汉理r 大学硕士学位论文 这种情况指的是：由于正在进行编织的纱线或者已经编织完毕的织物受到磨损， 从而导致纤维失去方向感并导致织物外观失真。斑点疵( b u dm a r k ) 这是一 种由于某些物质过量而导致的变形，这些物质包括粗纺线，废物以及正在用修 补工具来去除的飘头纱。吊边疵( b u t t o n h o l es e l v a g e ) - 这是一种织物织边缺陷， 更换纬纱之前在织布机梭子上累积起来的过度张力是造成这种缺陷的原因。这 种张力往往会限制织边纬纱的正确脱落以及交错，从而产生一一种类似于扣眼的 瑕疵。擦伤纱( c h a f e dy a r n ) 一这种缺陷指的是受到磨损的纱线，纱线受到磨损 以后会使纤维失去方向感并令纱线失真。这种缺陷将会影响到纱线的可着色性， 并常常会导致径向条花或纬向条痕的产生。- 粗支纱疵( c o a r s ey a m ) - 这种情况 指的是，有一根支纱的直径要明显大于织物正常支纱的直径。彩色飞花织入疵 ( c o l o rh y l 这种情况指的是在纱线或织物当中出现不同颜色的纤维杂质。脱 浆疵( c o l o ro u t ) 在印花过程中，如果贮存槽中的色浆快用完的话，将会造成 印花图案的空白跳花。折痕疵( c r e a s e ) 这种缺陷指的是织物在压力下自己折 叠所产生的折痕。纬向跳花疵( f i l l i n gh o a t s ) 这种情况指的是，纬纱在本来 应该与经纱交错的地方与并没有之交错，而是在其之上或之下自由伸展。细经 纱疵f f i n e e n d ) 。这种缺陷指的是，某根或某些经纱的直径明显要比织物正常经 纱的直径小。- 叠经疵( f l a t ) 这种情况指的是平纹组织的穿错，导致的结果是 两根经纱重叠在一起 以上介绍的只是各式各样织物疵点中的一部分，由于需要的篇幅过多，这 里就不将所有的疵点一一列出。以现阶段的技术力量，要识别所有织物疵点是 不可能的。而在所有这些疵点中有8 0 9 0 是在织造过程中产生的，本文对织 造过程中产生的6 种最常见的疵点进行了识别研究。 2 2 本文识别的疵点 缺经：经面上某段或通匹缺少一根或两根经丝，呈现一细条织点不连续的空 路。如图2 1 产生原因：经丝纤度偏差较大或发脆，或准备工序，色丝练染等加工过程中 纤维局部受损伤，造成整经，浆经和织造过程中断经；整经，浆经时挡车工未按 工艺要求操作；织造时结子脱丌，结尾过长缠牢经丝，杂物落下等，造成断头；综 武汉理r 大学硕士学位论文 丝、箱齿、梭子等毛糙擦断经丝，或织口不清造成断头；投梭力过大或走梭板一i 平造成梭子飞行不稳而擦断经丝。 鉴别方法：平纹织物：断一根经丝，组织形态似双经，但有一条稀路；断两根经 丝，其组织点虽连续，但有较大的空隙。斜纹织物：缺经时斜纹不连续，类似综 穿错，对光照时有一条稀路。缎纹织物：缺经时组织不连续，缎面似综穿错，另 一面则呈现一粒粒有规律的纬浮点。 重经：同一梭口内叠织两梭经丝，在绸面上呈现发白的经向横条，染色后 平摊后面观察时色泽略浅。如图2 2 产生原因：络丝或卷经过程中有废丝带入，或原料本身有双头；拆坏绸后在原 梭口内重织一梭； 鉴别方法：由于产生原因的不同，在绸面上呈现两种形态：重经的两根经丝 凸起，平摊观察为发白的竖条；对光照则有一条发黑的竖条。只是两梭经丝叠 织同一梭口，但没有凸起感。 缺纬：绸面纬向全幅或一段缺少一根或几根纬丝，呈现纬向组纤不连续的稀 弄。如图2 _ 3 产生原因：原料本身强力低：原料及半制品储藏过久或探管不善，造成纬丝变 质，硬化，脆断等；梭芯不正或松动，毛皮太厚，太薄或脱开，纬丝受到梭门等 的阻力过大而被切断；纬丝被牛角套轧上，被打手带断，或边经丝箱齿穿错，切 断纬丝；纬丝结子脱开，或丝胶结块形成糙快而被拉断；纤管弯曲，毛糙；梭子导丝 瓷眼伤裂，毛糙或堵塞；钢针有裂缝，锈烂等割断纬丝；经，纬丝张力差异较大， 纬丝强力和伸长都低，且织物组织紧密，易产生局部纬丝被经丝斩断。 鉴别方法：平纹织物的断纬，其组织形态与重纬相同，但对光照时纬向有一 条稀弄，或用手摸无纬丝凸起；斜纹、缎纹织物的断纬，纬向组织不连续，对照 纬向有一条稀弄；斩断纬的形态是：呈现段段一般不超过3 c m 的断纬稀弄。 重纬：同一梭e 1 内叠织两梭纬丝，在绸面上呈现发白的纬向横条，染色后 平摊后面观察时色泽略浅。如图2 4 产生原因：络丝或卷纬过程中有废丝带入，或原料本身有双头；拆坏绸后在原 梭口内重织一梭，或提花机花筒拉钩受阻失灵，造成花筒不转而重织一梭； 鉴别方法：重纬，由于产生原因的不同，在绸面上呈现两种形态：重纬的两 武汉理 二大学硕士学位论文 根纬丝凸起，平摊观察为发白的横条；对光照则有一条发黑的横条。只是两梭 纬丝叠织同梭口，但没有凸起感。 破洞：在布面同一部位出现经、纬纱共断或并断三根以上的称破洞。 产生原因：档车工操作不当，处理布面疵点时纱剪碰伤布面或挑杂物用力过 大造成。卡梭后，帮接工未对接造成。手换梭时梭子脱落或相邻布机飞梭砸伤 布面造成。导布棍起刺划伤布面造成。 预防处理：档车工使用挑针时，要与纱剪并握在手中( 挑针要求比纱剪略长 2 c m 左右) ，防止剪刀碰伤布面。加强布机维修，防止飞梭。对卡梭疵卢、要求 对接。档车工加强巡迥，发现破洞立即停车处理，并检查分析原因，及时解决。 油污：通常为布面上出现油污，有时也会出现在一根经纬线上。 形成原因：织机加油过多，漏出的油滴落在经、纬纱或布面上。压缩空气 带入的油污。各工种工作不慎造成油污。 预防处理：控制油量，及时清除多余渗出的机油。加强各工种的操作管理， 做好防护工作。避免用气管吹车，防止油花飞落在经、纬纱或布面上。 图2 1 2 4 是其中几种疵点的图像： 图2 1 缺经疵点 9 武汉理工大学硕士学位论文 图2 2 重经疵点 图2 3 缺纬疵点 1 0 武汉理工大学硕士学位论文 图2 4 重纬瓣点 1 1 武汉理工人学硕士学位论文 第3 章疵点识别方法原理 本文疵点识别方法的原理包括特征值提取方法原理及疵点分类方法原理。 特征值提取算法中又包括图像数据压缩算法，图像分割算法和图像特征提取算 法，其中数据压缩和图像分割都是提取特征的预处理过程，我们将其看作特征 提取过程的一部分。纹理识别及图像压缩算法利用类似灰度共生矩阵的算法 【2 8 】【3 0 1 1 3 1 】：图像分割采用灰度阈值分割算法【3 2 】；特征值的提取采用狄度统计量 法1 3 3 ，m a d a b 中有自带的工具箱帮助实现本文中使用的灰度统计量算法f 3 5 j 。 疵点分类算法使用单层感知器神经网络【3 6 1 ，这有别于其他研究者常用的b p 神经 网络【3 7 】【3 8 】，实验证明感知器网络同样可有效识别织物疵点，且结构比b p 网络更 简单，训i 练和识别速度更快1 3 。 3 1 特征提取方法 本文采取在空间域用灰度阈值提取织物疵点二值图像，然后对疵点二值图 进行像素统计的方法提取特征值。 3 1 1 常见特征值提取方法简介 国内外学者对织物疵点自动识别的研究已有2 0 多年，在发展中算法不断更 新和完善，速度不断提高。所有具有实用价值的算法基本遵循先提取特征值， 再输入神经网络进行辩别的过程。 提取特征值最初阶段的算法多是利用图像灰度值直接计算，如灰度共生矩 阵、马尔科夫随机场等，其中一些算法存在计算量大而导致处理速度过慢的缺点， 而且识别率普遍不高。接着引入的是傅立叶变换，按照获取和处理图像方式的 不同分为两类：一种以c c d 采集织物图像信息，由计算机软件处理对织物疵点加 以识别。另一种是采用光学透镜( 如傅立叶透镜、滤波器透镜等) 获取织物图像并 进行处理。随后则是小波变换，小波变换引入了尺度因子，能够将各种交织在一 起的不同频率组成的混合信号分解成不相同频率的块信号，能有效地应用于织物 疵点识别。 武汉理：e 大学硕士学位论文 从以上一一些研究结果町以看出小波分析是疵点自动检测的重要工具。小波 变换是由短时傅立叶变换发展起来的应用数学分支，具有多尺度的特点以及在 时、频两域表征信号局部特征的能力，非常适合检测信号的奇异点，今后其应用将 会更加广泛。而由于计算机处理速度的提高和算法的改进，一些空间域的疵点 识别算法也比以前更有效且实用，且更便于理解和优化。本文即将使用灰度共生 矩阵与灰度阈值分割相结合的方法进行疵点特征值的提取。 3 1 2 纹理识别灰度共生矩阵 灰度共生矩阵对图像的所有像素进行调查统计，兼可反映图像的灰度值和灰 度分布两个方面的特性，是一种可同时描述图像灰度的空间分布特性和空间相关 性的方法。 取图像i 中任一点( x ，y ) 及偏离它的另一点( x + a ，y + b ) ，该点对的灰度 值为( g l ，9 2 ) ，令( x ，y ) 在整个r i o 上移动，则会得到各种( g l ，9 2 ) 值。以 此法统计图像中相距( a ，b ) 的两个灰度象素同时出现的联合频数概率。设灰度 值的级数为l ，则9 1 ，9 2 的组合共有r 种，对整个r i o 统计出每一种( 9 1 ，9 2 ) 出现的次数( 此次数即为共生矩阵的第9 1 行醪列的元素) ，排列成一个方阵。 将出现次数归一化得到每个点对出现的概率p ( g l ，酚) ，即得到图像的共生矩阵。 对同一图像，灰度量化级不同，距离差分值a , b 取不同的组合，得到不同的共生 矩阵。如何选取合适的灰度量化级和距离差分值，要根据具体图像纹理周期分 布特性来选择。 为了能更直观地以共生矩阵描述纹理状况，可以从共生矩阵导出一些反映 矩阵状况的参数，典型的有以下几种： ( 1 ) 能量w m ( 二阶矩) ：z p 2 ( g t ，g 。) gg 反映了图像灰度分布均匀程度和纹理粗细度。如果共生矩阵的所有值均相 等，则w m 值小；相反，如果其中一些值大而其它值小，则w m 值大。当共生 矩阵中元素集中分布时，此时w m 值大。w m 值大表明一种较均一和规则变化 的纹理模式。 武汉理t 大学硕士学位论文 ( 2 ) 对院疫w c ：k = | 暑，一g ：i t ( g 嘲g ) gg 反映了霪像的瀵晰度翻纹理淘绞源浚躲程度。纹理沟纹越深，其对比度越 大，视觉效暴越清晰；反之，对比度小，则沟纹浅，效果模糊。灰度麓即对比 艘大的象素慰越多，这个值越大。灰度公生矩阵中远离对角线的元素壤越太， w c 越大。 ( 3 ) 熵w e ：毂；p ( g l ，g ：) l o g p 9 2 ) g s 是图像所具有的情息量的度量，纹理信息也属于图像的信息，是一个随机 梭静度量，警共生缒簿中绣有元素有最大豹| 逶撬楼、空闻共豢矩阵中溪有篷冗 乎相等时，熬生矩阵巾元素分散分布时，熵较大。它表示了图像中纹理的非均 匀程度或笈杂程疫。委豢大 ( 4 ) 逆差距w h ( 均匀淞一摹；勰 反映闰橡绞理豹闲矮毪，发囊霾霖绞理弱帮交纯戆多少。羹篷大粼浅鞠强 像纹理的不同区域间缺少变化，局部非常均匀。 在这羹我餐获获度共生矩簿中弓| 盘逡样一个獠念，将获度霞豫静掰商像素 右移距离a 后与原图相减，取其绝对值的平均值暾： 暇而1 一叫甲i 叩i - u i i t x , y ) - ( x , y + a ) l 这个德是一种特殊情况下，即b = 0 时的对比发w c ，我稍只是简纯了这个概 念和计算的过程，使程序中算法能够更快速的完成。这个值将用于织物纹理密 震翡识剐，准确懿谎是再予经淘绞理密发豹谖亵。识爨豹琢疆是基于正常绥锈 的纹理分布特性，正常织物图像在经度和纬度方向都呈有规律的明暗变化( 如 灏3 1 ) ，变彳皂戆露鞭鼯受亟纬密度，冀薤塞为经线魏壹径搬土经线越懿海骧或 纬线的直径加上纬线问的问隙。 1 4 鼗汉理王大擎硬专学佼论文 阁3 1 正常织物纹理 在缀线方自上，睫蕾a 俊豹增加，彤的德墩呈周翘性变化，荚相邻波谷的 间鼯辩藏着经线方向瞬靖变纯的一个周期。嘏据弼和相对应a 的德豹变化可求 出织物的经向密度。用同样的方法可求出织物纬向密度。 此方法得到的数据不够精确，且需要人工干预和判断，并与验证调试相结 合才煞褥到准确的结果，褥到鲍结巢将用予织物囤像的孬生成预缝理。即投据 经纬密凄去豫掉图像中豹冗余数据，有效翡减小图像数据量大，l 、，黧抉后续癌 点识别处理的速度和准确性。 所谓冗余数据即不能绘疵点识别带来有用信息，甚至对后继处理造成干扰 的数据。织物的疵点种类繁多，常见的如：缺经、断经、粗经、籀痕、取经、 穿镄、舄经、捡经、皎终、疆纬、裣缘、瑟缀、双终、霉毅、薄殴、镰终、换 档、稀密路、破洞、油污、起球、竹节等。几乎所有疵点的经向和纬翔尺寸都 不小于织物的经纬密度，因此在任何一条经线或纬线径向上的多个像素都是冗 余的信息。完全没有必爱用多列像素来表示条经线或纬线，即在疵点识别的 处理中，只需要，霹一列豫素寒表示一条经线竣缚线裁已足够，嚣i l 虽信息雯捆滂 灏懿确。经实验证硬，这样处理后秀雯戒鹣图像将大疆度静减小数疆妊缝量， 大大加快后继程序处理过程，而且过滤掉一魑由于织物纹理明躐不均产生的噪 声，使识别结果更加准确。 在强魏用图像对织物结梅进行的研究中，疵点识别和经纬密度识别是蹲夫 1 5 武汉理上人学硕士学位论文 块，人们在这2 方面都进行了大量的研究，成果也非常丰富。但很少有研究者 注意到，将经纬密度识别和疵点识别结合起来，会有效减小疵点识别的处理数 据，加快识别速度和准确性。即由经纬密度识别得到的结果，生成新的织物图 像，使其中每条经线和纬线都由一列像素来表示，然后对再生成的图像进行疵 点识别。本文即使用这种方法来进行处理，使疵点识别的速度得到很大提高。 具体处理过程见第4 章。 3 1 3 灰度阈值分割 正常的织物纹理分布均匀，其亮度有明暗变化，但变化的值都在某一固定 范围内。当织物上出现疵点时，这些疵点区的亮度跟周围有明显的区别。如： 缺经、断经、缺纬、断纬、破洞等疵点的亮度都低于正常织物的亮度，而粗经、 双经、粗纬、厚段、箱痕等疵点的亮度都高于正常织物的亮度。我们利用无疵 点织物图像的平均值和标准方差算出2 种阈值，即高阈值和低阈值，并用这些 阈值对图像进行了二值化。这样分离出织物背景区域，低灰度疵点区域和高灰 度疵点区域。由于外界条件影响和织物上面一些不均匀的区域，在二值化后的 织物表面上存在一些很小的噪声部分，这些部分不属于疵点区域，我们用腐蚀 和膨胀运算在使真正的疵点部分图像不受影响的情况下来滤除掉这些小噪声 点，从织物纹理中准确的分离出疵点部分。 下一步是用灰度统计法算出疵点区域的一些特征值。本文中取的特征值为： 亮度( 高低) ，经向长度，纬向长度，面积，面积长度比，欧拉数。由于这些特 征值比较分散，将这些数据进行识别和规范化后，便得到了一组神经网络输入 值。 在灰度阈值分割的过程中，不但可以得到将要输入神经网络的特征值，还 可得到疵点的位景信息。由于自动验布系统主要用于织物等级评定和对织机的 在线监控、调整，只需记录疵点的数量和种类，并不关心疵点位置，因此在本 文中我们忽略了疵点的位置信息。 武汉理。i ：大学硕l ：学位论文 3 2 疵点分类识别方法 3 2 1 神经网络在织物自动检测上的应用 人工验布是由验布工人肉眼观察，根据标准判断是否有疵点；而自动验布系 统则要替代验布工人的工作，因此自动验布系统要模仿人眼的观察能力和人脑的 判断能力。神经网络技术的应用优势正在于此。利用神经网络将验布工人的疵 点识别过程模拟下来，并嵌入到自动验布系统中，就能形成自动验布系统的核心 处理部分【“。 纺织标准对于布面疵点的种类、判定方法、评分标准等都有具体规定。根 据这些规定，将具有相应特征的疵点样本输入神经网络进行学习。经有限步的网 络训练，最终得到最佳的神经网络权矩阵。将其植入自动验布系统中，便使系统具 备了检测和识别疵点的能力。这种先学习后使用的方法无疑提高了效率，而且对 于输入样本有限的情况，用神经网络能完善解决。目前，对自动验布系统中神经网 络技术的研究主要集中在算法上。典型的成果有b p 神经网络、p c n n 神经网络 等。这些研究成果能解决较常见的坯布布面疵点的检测问题。 得到疵点样本布的图像后，