（机械设计及理论专业论文）计算机视觉技术及labview在织物疵点检测中的应用.pdf

计算机视觉技术及l a b v i e w 在织物疵点检测中的应用 计算机视觉技术及l a b v l e w 在织物疵点检测中的应用 摘要 在纺织品生产中，织物疵点检测是质量控制的一个重要环节。 迄今为止，传统的疵点检测都是由人工来完成的，由于人工检测是 一种单调、乏味且繁重的劳动，工作人员的检测能力还受到工作环 境、自身生理和心理等因素的影响，故人工检测结果受到工作人员 主观的影响较大，且人工检测的速度比较慢。随着计算机和图像处 理技术的发展，计算机视觉越来越多地被应用于工业生产，基于计 算机视觉的织物疵点检测已成为人们关注的热点。 在本文中，首先分析了已有的织物疵点自动检测研究成果。通 过分析发现，这些研究虽然在疵点检测的精度上能够达到很高的要 求，但在检测速度和检测环境适应性方面往往不是很理想。因此， 本文从工厂实际应用的要求出发，确立了建立一个具有一定检测精 度且在检测速度方面具有明显优势的检测系统的目标。 然后，简单介绍了本文疵点检测系统的总体结构和系统中所用 到的硬件的工作原理、参数等。在本检测系统中，选用了线阵c c d 相机。这是由于与面阵c c d 相机相比，线阵c c d 相机具有光源容易 控制、能够连续扫描高速运动物体等优点，能够满足本检测系统的 要求。 接着介绍了本文基于l a b v ie w 平台开发的硬件控制及疵点检测 软件。l a b v l e w 是美国n i 公司推出的一种基于g 语言的虚拟仪器软 件开发工具，是目前国际上应用最广泛的虚拟仪器开发环境之一， 主要应用于仪器控制、数据采集、数据分析、数据显示等领域。 l a b v l e w 采用强大的图形化语言编程，面向测试工程师而非专业程序 员，编程方便，人机交互界面直观、友好。 硕士学位论文摘要 在本文的后半部分，介绍了采用曲线拟合的方法对采集到的每 一行织物图像进行处理。对存在疵点的每一行织物图像，利用该方 法突出其中的疵点特征。通过在不同拍摄条件下对具有不同疵点的 织物进行实验，发现该方法具有较好的检测效果，并且在计算速度 上与以往的研究相比有明显的提高。接下来，对经过处理的每一行 织物图像利用统计阈值法进行二值化。然后，提取织物中疵点的特 征信息，包括疵点在扫描方向上的位置、在宽度方向上位置、长度、 宽度以及长宽比等。文中对整个特征提取过程进行了详细的介绍。 关键词：织物疵点检测，计算机视觉，线阵c c d ，l a b v ie w ，曲线拟 合 计算机视觉技术及l a b v i e w 在织物疵点检测中的应用 t h ea p p l i c a t i o no fc o m p u t e rv i s i o na n d l a b v i e wi nf a b r i cd e f e c t sd e t e c t i o n a b s t r a c t i nt h ew h o l ep r o c e s so ff a b r i c m a n u f a c t u r i n g ， f a b r i cd e f e c t s d e t e c t i o ni sa ni m p o r t a n tp r o c e d u r e s of a r ，t h et r a d i t i o n a lf a b r i cd e f e c t s d e t e c t i o ni s c o m p l e t e dm a n u a l l y ，w h i c hi s ad u l l ，t e d i o u sa n dt i r i n g w o r k t h er e s u l ti s e a s i l yi n f l u e n c e db yt h ew o r k e r sa b i l i t y ，h i s m e n t a l i t y c o n d i t i o na n dh i sp h y s i o l o g i c a ls t a t e ， m e a n w h i l e ， i ti s i n e f f i c i e n t w i t ht h e d e v e l o p m e n to fc o m p u t e r a n d d i g i t a li m a g e p r o c e s s i n gt e c h n i q u e ，t h ec o m p u t e rv i s i o ni sm o r ea n dm o r ef r e q u e n t l y a p p l i e di ni n d u s t r i a lp r o d u c t i o n t h ec o m p u t e rv i s i o n - b a s e da u t o m a t i c f a b r i cd e f e c t sd e t e c t i o nh a sb e c o m eo n eo ft h er e s e a r c hf o c u s e s i nt h i st h e s i s ，t h ea c h i e v e m e n t so fr e s e a r c h e si nf a b r i cd e f e c t s d e t e c t i o nh a v eb e e na n a l y z e da t f i r s t b yd o i n gt h i s ，ac o n c l u s i o nt h a t a l t h o u g ht h e s er e s e a r c h e sc a ng e th i g ha c c u r a c yi nf a b r i cd e t e c t i o n ，t h e y u s u a l l yh a v eu n s a t i s f a c t o f yd e t e c t i o ns p e e da n de n v i r o n m e n ta d a p t a t i o n h a sb e e nr e a c h e d s o ，a c c o r d i n gt ot h ep r a c t i c a la p p l i c a t i o n ，t h ea i mo f t h i st h e s i si st os e tu pad e t e c t i o ns y s t e mw h i c hh a sa g r e e a b l ea c c u r a c y a n do b v i o u sa d v a n t a g ei nd e t e c t i o ns p e e dt h a np r e v i o u sr e s e a r c h e s n e x t ，t h eg e n e r a lc o n s t r u c t i o no ft h ed e t e c t i o ns y s t e ma n dt h eb a s i c p r i n c i p l e sa n dp a r a m e t e r so ft h eh a r d w a r eh a v eb e e ni n t r o d u c e d i nt h i s s y s t e m ，t h el i n e s c a nc c d c a m e r ah a sb e e nu s e d ，b e c a u s et h el i n e s c a n c a m e r ah a sa d v a n t a g e si n l i g h t c o n t r o la n d p h o t o g r a p h i n go b j e c t s m o v i n gi nh i g hs p e e dc o m p a r e dt om a t r i xc c d c a m e r a t h e n ，t h es o f t w a r el a b v i e wu s e d i nt h i s s y s t e m h a sb e e n i i i 硕士学位论文 i n t r o d u c e d l a b v i e wi sa p r o d u c to fn a t i o n a l i n s t r u m e n t i t sa g r a p h i c a lp r o g r a m m i n gl a n g u a g e t h a th a sb e e n w i d e l ya d o p t e d t h r o u g h o u tt h ew o r l d i th a sb e e nu s e di ni n s t r u m e n tc o n t r o l ，d a t a c o l l e c t i o n ，d a t aa n a l y s i s ，d a t ed i s p l a ya n ds oo n w i t hi t sp o w e r f u l g r a p h i c a lp r o g r a m m i n gl a n g u a g e ，c r e a t i n g al a b v i e wp r o g r a mo r v i r t u a li n s t r u m e n t ( v i ) i ss i m p l e l a b v i e w si n t u i t i v eu s e ri n t e r f a c e m a k e sw r i t i n ga n du s i n gp r o g r a m se x c i t i n ga n df u n i nt h el a s tp a r to ft h i st h e s i s ，t h ep r o c e s so fd e a l i n gw i t ht h ef a b r i c i m a g eu s i n gc u r v ef i t t i n gm e t h o dh a sb e e ns t u d i e d t h ec u r v ef i t t i n g m e t h o dw a su s e dt os t a n do u tt h ed e f e c t si nf a b r i c t h em e t h o dh a sb e e n f o u n de f f e c t i v ea n dw i t h h i g h e r d e t e c t i o n s p e e d t h a n p r e v i o u s r e s e a r c h e sb yt e s t i n gi t se f f e c t st od i f f e r e n td e f e c t si nd i f f e r e n tw o r k i n g e n v i r o n m e n t a f t e rs t a n d i n go u tt h ed e f e c t s ，t h eb i n a r i z a t i o nw a sd o n e b yu s i n gs t a t i s t i c a lt h r e s h o l ds e g m e n t a t i o n t h ep r o c e s so fg e t t i n gt h e p a r a m e t e r so fd e f e c t si n c l u d i n gt h el o c a t i o n si nt h er u n n i n gd i r e c t i o n a n dw i d t hd i r e c t i o n ，t h el e n g t h ，t h ew i d t h ，t h er a t i oo fl e n g t ht ow i d t h h a sb e e ni n t r o d u c e di nd e t a i l st o o k e y w o r d s ：f a b r i cd e f e c t sd e t e c t i o n ，c o m p u t e rv i s i o n ，l i n e - s c a nc c d ， l a b v i e w ，c u r v ef i t t i n g 东华大学学位论文原创性声明 本人郑重声明：我恪守学术道德，崇尚严谨学风。所呈交的学位论文， 是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已明确 注明和引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写 过的作品及成果的内容。论文为本人亲自撰写，我对所写的内容负责，并 完全意识到本声明的法律结果由本人承担。 学位论文作者签名：承艺 日期：刎黟年弓月ile t 东华大学学位论文版权使用授权书 学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅或 借阅。本人授权东华大学可以将本学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 保密口，在年解密后适用本版权书。 本学位论文属于 不保密 学位论文作者签名：孝琴 f il l ：沸扫( 1 f t 指导教师签名：刁乙j ，绥j z o - 指导教师签名：和厶 1 日期例聊，。 计算机视觉技术及l a b v i e w 在织物疵点检测中的应用 i 1 前言 第一章绪论 众所周知，织物疵点是影响织物品质的主要因素。疵点检测的目 的就是在织造完成后，验布过程中及时发现这些业已存在的疵点，通 过修复和整理，尽可能降低由疵点导致的织物质量的下降，有时也同 时完成疵点的分类，以评价织物质量。 国内纺织工业在自动化技术应用上已经取得很大的进展，各道工 序的生产效率也得以大幅度地提高。然而，纺织品检验的效率并没有 同步提高。目前，这一工序主要还是依赖于人工操作。也就是检验人 员在没有眩光的背面窗旁或日光灯照明条件下按照自己的经验对织 物评分，按评定标准对织物等级做出评定，并填写各种织物疵点报表。 这种方法显然存在缺陷，如劳动强度大、效率低、漏检率高、受检验 人员主观因素影响大，难以得到准确的检验结果等等。而且需要长时 间专心工作，对工人身体健康很不利。因此，人工检验一般只能检验 出4 0 - 6 0 的疵点】。 织物检验已被证实是所有纺织生产过程中最难实现自动化的工 序。为了提高产品的质量管理和控制水平，实现织物疵点的客观评价， 降低成本和减轻验布人员的负担，织物疵点的自动检测和评分系统日 益受到国内外专家学者的关注。人们已花费了数十年的时间来提高计 算机的性能和扫描技术来攻克这一难题，试图找出一种快速、客观又 准确的自动检验方法来代替人工检测。同时，织物疵点自动检测是对 织物质量进行控制和实现织造及验布工序自动化、无人化的关键环 节。长期以来它一直是国内外学者共同关注和热心研究并得到许多国 家官方机构资助的重要课题之一咱1 。 随着计算机数字图像处理技术和神经网络技术的发展，使得基于 图像处理和微型汁算机平台的织物疵点检测成为可能，并逐渐形成织 物疵点自动检测的一个很重要的方向，但是目前为止，尽管已经出现 硕士学位论文 第一章绪论 了大量有价值的文献成果心。5 1 ，科研水平也稳步提高，但尚未形成统 一、完善、完整的体系。新的方法不断出现，但较为成热的检测系统 甚少。国外一些公司也有在市场上推出了自己的自动验布系统，但大 都存在一些缺陷，如它们对织物品种适应性和对疵点种类的区分能力 有限，实际应用中的局限性较大，成本高，动态响应慢等。在把自动 化技术应用于纺织行业的生产检测和管理已变得越来越重要的今天， 还需要国内外科技工作人员进一步探索和研究出更实用的疵点检测 系统。 我国由于喷气、剑杆等新型织机的广泛使用，布机的速度不断提 高，织物总产量也越来越高，对产品质量档次的要求也不断提高，研 发适合我国纺织业的疵点自动检测系统也对提高纺织品的质量，增强 出口竞争力也都有重要的社会意义和经济意义。而且如果将疵点检测 和t 分类装置用于织机，即在织机上对织物疵点进行在线检测和分类， 发现疵点并及时地发出信号，给操作人员提供疵点信息以帮助及时地 处理故障，甚至自动的采取调整措施对疵点进行处理，可以最大限度 地减少疵点对织物质量造成的损害，并尽可能的保证高生产率，提高 织造、检测工序的自动化程度。 1 2 国内外织物疵点检测的研究概况 采用计算机进行织物疵点检测的研究于2 0 世纪8 0 年代开始发展 起来n 。5 1 。如19 83 年瑞士z ell w e g e ru s te r 公司推出的用神经网络识 别技术开发的自动验布系统；19 8 7 年在巴黎i t l d a 展览会上推出的 u s te rv is ot e x 机型的自动验布系统；19 8 8 年t a k a t o 用灰度匹配法 对织物疵点进行了识别工作。 2 0 世纪9 0 年代初一直到现在，图像处理用于织物疵点捡测的研 究形成了一个高潮。中国台湾、韩国、日本、美国、以色列和瑞士等 国家的学者发表了大量研究论文，借鉴了其他工业检测系统的开发经 验及数学和计算机等学科的最新研究成果，理论水平不断提高。 2 计算机视觉技术及l a b v i e l g 在织物疵点检测中的应用 按照图像处理的方法，研究的途径可分为两种乜。5 1 ，一是直接对 图像的灰度值在空间域进行计算，抽取特征值；另一种是把图像转换 到频域再进行分析。 起初，大多是直接对图像的灰度值在空间域计算，抽取特征值， 如灰度共生矩阵、马尔科夫随机场等是纹理分析常用的方法，但存在 着计算量大、处理速度慢等缺点。 y o s h i0s h im iz u 3 等从图像灰度共生矩阵提取特征，通过贝叶斯 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。 f s c o h e n 1 等采用高斯一马尔科夫随机场( g m r f ) 纹理模型 对织物疵点的检测进行了研究。首先对没有任何疵点的织物图像进行 训练，得到表示该种织物纹理的g m r f 参数，作为检测过程的参考指 标。检测时，对待检测织物图像分块( 如每块8 8 或1 6 16 象素) ， 每个图像块内计算g m r f 参数同参考指标的“距离，以确定图像块是 否存在疵点。 s a ts a r d y 聃1 等探讨了采用神经网络对平纹、斜纹和缎纹等不同 种类织物上的疵点进行检测分类。首先对获取的织物图像提取纹理特 征包括加重( e m p h a sis ) 、二阶矩、熵、不一致性( n o n u n if o r m it y ) 等，然后将特征值输入三层的神经网络进行分类，该方法检测的疵点 种类包括断纬、纬向不匀、筘痕和杂质四类，其工作也仅限于实验室 阶段。 y f z h a n g 阳1 等在其对疵点检测和分类的研究中，采用两种方 法对粗节和结头疵点进行了分析。一种是采用计算灰度值的统计特性 的方法，首先是采集不含疵点的织物图像经直方图均衡化后，由自相 关得到织物图像的经向和纬向周期性的重复长度，作为检测窗口的高 度和宽度。窗口大小确定后，对织物图像划分窗口，计算窗口内部和 窗口之间的灰度均值和标准方差，然后可得到该织物的阈值。检测过 程为采集图像后经直方图均衡化，在窗口内计算均值，并同阈值比较， 最后计算超过阈值的窗口数目以决定是否包含疵点。第二种方法为采 3 硕士学位论文第一章绪论 用数学形态学图像处理的方法，首先由已知的疵点图像得到疵点部分 的灰度阈值，由已知的无疵点的织物图像得到结构元素。检测时，对 由灰度阈值二值化后的图像，再由结构元素进行腐蚀( e r o s io n ) 和 膨胀( d il a tio n ) 后确定疵点的种类。 台湾逢甲大学的t s a in 们等采用共生矩阵和神经网络对棉结、断 经、断纬和油污疵点进行了检测。在训练阶段，该方法首先计算出采 集图像的共生矩阵，由共生矩阵可计算出角二阶矩，从而判断出织物 的经纬密度重复周期。根据这两个周期值，可由共生矩阵计算出不同 角度、不同距离的六个对比度，输入到神经网络进行训练。这一过程 费时较长，只能事先离线进行。检测时，仅需由待检测织物图像的灰 度共生矩阵计算六个对比度，输入神经网络识别和分类即可。作者指 出，对于10 0 l0 0 的数字图像，计算六个特征值参数就需要约3 0 秒 的时间，经我们实际计算，也认为该方法耗时较多，检测速度必然较 慢。 此外，这类检测方法中还有检验线形疵点、采用模糊规则、模糊 神经网络等方法n 卜1 2 1 。这些研究，由于软硬件的局限，只能检测人眼 看起来比较明显的疵点，检测疵点的种类较少，精确度低，计算速度 较慢，难以适应工业化需要。 2 0 世纪9 0 年代中后期以来，由于小波分析等现代数学工具的出 现，疵点检测研究转向以在频域对图像分析为主，有傅立叶分析法和 小波分析法，同时，神经网络技术开始成为最主要的疵点分析技术而 被广泛采用。 l9 9 6 年t s a i n 3 1 等研究了应用b p 神经网络检测缺经、缺纬、油污 和破洞疵点，输入神经网络的特征值是由织物图像的傅立叶功率谱得 到的九个参数，分类正确率为8 8 。19 9 7 年r a ja s e k a r a n n 引采用交互 传播网络( c p n ) 代替b p 神经网络，速度据称提高了3 0 0 0 倍，而且 网络不需训练。 l9 9 8 年台湾的c h e n 5 1 等人采用光学傅立叶透镜提取织物图像功 率谱，经b p 神经网络对疵点进行检测和分类。为节省计算时间，图 4 计算机视觉技术及l a b v i e w 在织物疵点检测中的应用 像的二维快速傅立叶变换( f f t ) 由经向和纬向两个一维的f f t 代替。 由f f t 后的功率谱提取9 3 个特征参数，输入b p 神经网络训练。实验 证明，对一幅2 5 6 2 5 6 的图像，检测和分类时间为0 2 秒，而对检 测的12 类疵点中的9 类能够正确识别。 m a l1ik n 引等采用光学手段，对检测织物疵点的光学成像技术进行 了分析。经激光光源照射的织物，由f f t 镜头转换为功率谱后，再经 过一个成像镜头重建为织物图像。若在傅立叶平面插入一个滤波器， 就会得到滤波后的织物图像。如滤波器仅通过沿横向坐标轴的衍射图 ( 即滤波器为一横向狭缝) ，重构后的图像就为经纱图像。同样，当 滤波器为一纵向狭缝或针孔时，则重构纬纱或非周期性疵点图像。作 者在实验室中离线情况下验证了这一方法，并指出这种方法可用于织 机上的织物疵点在线实时检测。 c h i h oc h a n n 等研究了傅立叶分析应用于织物疵点检测。获取 的织物图像，首先经直方图均衡化，目的是使图像的亮度和对比度标 准化。然后经两点f f t 计算出图像的频域功率谱，由其计算出七个参 数，分别表示织物的不规则结构、纬纱结构和经纱结构。双经( 纬) 、 缺经( 纬) 、破洞和密度波动等四类疵点，可由七个参数的变化检测 出来。 c hiu n 8 1 等探讨了基于分段布朗运动模型和傅立叶变换域的极大 似然估计的纹理分割方法，检测油污、水渍、破洞等较大疵点，该方 法对较小的疵点的检测有待于进一步研究。 采用傅立叶变换对织物疵点检测的研究中还包括去除织物纹理， 增强疵点等方法n 9 2 ，一般也是处理较大的疵点。 相对于傅立叶变换，小波变换能够更加精确地分析图像的局部和 细节信息，所以，近期在对疵点自动检测的研究中以小波变换为主。 19 9 6 年wjj a s p e r 心2 1 研究了自适应小波在纹理描述和疵点检测 中的应用。他应用小波滤波器系数和表征织物纹理的矩阵构成二次代 价函数，再加上小波滤波器系数的正交约束条件，构成一个二次函数。 采用拉格朗日乘子法，计算出使二次函数取得极小值时的小波滤波器 5 硕士学位论文 第一章绪论 系数，以此代表该织物的纹理。把织物疵点图像经该滤波器滤波，二 值化后在疵点的位置有明显的峰值。作者发现，当滤波器系数个数同 纹理重复单元的象素个数相等时，疵点对自适应小波的反应最敏感， 滤波器系数过多或过少都不利于疵点的检测。该文献中检测的疵点仅 包括缺纬、稀密路和松经三种。 2 0 0 0 年台湾的m c h u 心3 。2 4 3 等采用最优小波包和人工神经网络 技术检测4 种织物疵点。织物图像被获取后，作小波分解并计算分解 后子图像的香农熵( s h a n n o ne n t r o p y ) ，对熵值最小的子图像继续分 解，共分解三层。选择香农熵值最小的六个子图像，其位置和熵值作 为2 4 个参数，再加上均值和标准差共2 6 个特征参数，输入到b p 神 经网络训练并检测。检测的四类疵点是缺经、缺纬、油污和破洞，虽 然正确率达到了10 0 ，但疵点种类偏少。 w e nc - y 心5 1 等采用小波变换和共生矩阵检测油污、破洞和线形疵 点。从图像的小波分解结果，再计算共生矩阵的熵和对比度，根据图 像窗口的分割来检测疵点。这种方法检测疵点的种类较少，计算速度 也不会很快。 2 0 0 2 年李立轻、王文淑北引等人提出将w ie n e r 滤波用于织物疵点 自动检测。 2 0 0 3 年瑞士s u lz e r 公司开发出一种新的，用于检测并定量分析 二维周期性图案不规则性的，适合纺织品质量检验特殊需要的图像处 理技术，可用于织机在线检测。 2 0 0 4 年徐晓峰心73 等研究了基于二维小波变换和b p 神经网络的织 物疵点检测方法。 综上所述，目前这些新技术新方法在实际应用于纺织业织物疵点 检测中都不完善，还存在这样那样的缺陷。这些新技术新方法往往将 研究的重点放在不断提高识别疵点的精确度上，而忽略了织物疵点本 身的特点、具体的检测环境及速度要求。织物疵点区域与正常纹理区 域往往连续分布，两个区域之间并不存在明显的边界。即使采用人工 检测的方法，也只是对疵点的尺寸做一个粗略的估计，不同的工人采 6 计算机视觉技术及l a b v i e w 在织物疵点检测中的应用 用人工检测方法得出的结果通常也不同，因此一味追求检测的高精度 ? 、， “ 是不太现实且无多大实际意义的。而精度的提高往往又伴随着检测速 度的下降，这也不利于将研究所得推广到实际应用中。当然，随着研 究的不断深入，数字图像处理技术、人工神经网络等技术的进一步发 展和有效结合必将使疵点自动检测系统得到更好的发展。 1 3 国外已投入市场的织物疵点图像处理与分析系统 虽然在疵点自动检测领域的研究工作已经取得了一些成果，但真 正推向市场的检验系统还较少。目前仅有以色列爱微丝( e v s ) 公司 的i t e x 验布系统、比利时b a r c o 公司的验布系统和瑞士u s te r 公司 的f a b r is c a n 自动验布系统。 在i t m a 9 9 上e v s 公司展出了它的i - t e x 验布系统，该验布系 统用于检测单色、简单组织织物，在3 3 0 c m 幅宽时能以1o o m m in 的 验布速度检测出小至0 5 m m 的疵点心引。u s te r 公司的f a b r is c a n 自动 验布系统陉引，在宽度方向装有2 8 只特制高分辨率线扫描c c d 摄像 机，检测织物幅宽范围110 4 4 0 c m ，速度可达12 0 m m in 。系统采用 神经网络技术，检测时，首先是初始的学习阶段，用时约1 分钟，对 织物的第一米记录其正常外观特征参数，然后进入检测阶段，寻找与 正常外观不同的局部异常，对其分析、标记并记录。另外，检测结果 可输入集成的质量管理系统，对疵点分类，进一步对织物质量评价。 这些验布系统均采用价格非常昂贵的硬件来实现，例如b a r c o 公司验 布系统的图像分析工具采用了价格昂贵的c p u10 0 0 ，内存12 8 m 的中 型计算机，以达到高速检测的目的。以上各系统由于价格过于昂贵， 故在我国均尚无销售。 除了自动验布系统外，在织机上对织物质量进行在线检测也是织 物疵点自动检测的重要领域。佐治亚理工学院的研究人员开发了一种 织物卷绕时对疵点进行在线检测的图像识别系统。系统硬件由三只固 定的c c d 摄像机和经过特殊安排的照明系统组成，而软件中应用了神 7 硕士学位论文第一章绪论 经网络、模糊逻辑和小波变换等工具。这种系统将会由美国西弗吉尼 亚的a p p a l a c h ia n 电子仪器公司进行商业化生产口0 1 。 织物自动检验系统给企业生产带来的益处是显而易见的。一些已 使用这类系统的技术人员称学会其操作只需不到一周的时间，而培养 一个熟练的人工检验工则需要数月乃至数年的时间。能在较短的时间 内收回投资成本，并为企业带来更高的利润，也是织物自动检验系统 能否普及的另一重要因素。目前这一投资可以从以下几个方面获得回 报：减少检验的人工费，提高验布工作效率，减少疵布的产生，提高 产品质量。随着经济和技术的不断发展，以及制造成本的进一步降低， 相信在不久的将来，织物自动检验系统将会更多的用于实际生产，并 取代大部分的人工检验。 1 4 织物疵点自动检测研究目前存在的问题 首先，国外已有的疵点检测设备都以强大的硬件作为支撑，造价 昂贵，给国内企业引进这些先进设备造成一定的困难。其次，这些检 测设备可以检测的疵点种类存在很大的局限性，一般仅能检测几种特 定的疵点。 国内目前的研究大都集中在实验室阶段，一般采用面阵c c d 摄像 头拍摄静态的疵点图像，然后运用图像分割、滤波等技术对其进行处 理。这些研究大多对图像拍摄环境进行了理想化，且一般单幅图像的 处理时间太长，因此，在将这些研究成果运用到工厂的实时在线检测 过程中，还存在着一定的困难。 1 5 本文的研究任务和目标 根据以上分析，本论文研究的重点为提高疵点检测的速度，即在 具有一定检测精度的基础上，更快的实现疵点的检出，从而能够达到 工厂实际生产应用的要求。本文并不强调检测的高精度，而只是记录 8 计算机视觉技术及l a b v i e w 在织物疵点检测中的应用 下有可能出现疵点的位置、疵点大体的形状和可能的大小。这是由于 ，f 前面所提到的，除破洞、缺经、缺纬等明显的组织缺陷外，大部分的 织物疵点都没有明确的定量的标准。以“粗节”疵点为例，该类疵点 的特征是一小段经纱或纬纱的直径明显大于正常纱线。但织物纱线的 粗细本身就存在一定的不均匀度，所谓“正常纱线 的直径就难以给 出明确的定量标准，更不用说“粗节疵点了。实践中大量存在的界 于“正常 与“非正常 之间的织物表面现象完全取决于检测人员的 人为判断，将它们归类为“正常 或“疵点。总之，由于疵点本身 定义的不明确性，追求疵点自动检测的高精度意义不大。在检测过程 中，可以利用检测输出的位置信息，控制一个摄像头对该位置的疵点 进行拍照和存储，当须具体了解该位置疵点的信息时，可将拍摄的该 位置的照片调出，由检测人员进一步观察。在国外很多已有的检测系 统中，都有类似的装置。 本文具体的研究内容如下： ( 1 ) 织物图像的采集 织物图像采集部分包括硬件的选择和织物检测系统的搭建。硬件 包括线扫描c c d 摄像机、图像采集卡、摄像机镜头及计算机等。通过 了解各硬件的工作原理、参数和性能来完成各硬件的选择，从而组成 一个能够满足要求的检测系统。本文中采用线扫描c c d 相机，这是因 为与面扫描c c d 相比较，线扫描的优点包括：( a ) 在光源的控制方面， 线扫描比面扫描更加容易控制，因为线扫描只需将光源平均的打在扫 描线上即可；( b ) 线扫描可以做连续性的扫描，因此图像具有连续性， 而面扫描则会有间断或者重叠的情况发生；( c ) 线扫描可以扫描高速 度移动的物体以及大宽度的物体；( d ) 对于高分辨率图像处理的应用， 线扫描摄像机的成本效益更佳；( e ) 线扫描摄像机所获取的图像具有 更好的动态范围。 ( 2 ) 对所采集的图像进行分析 本文采用线扫面摄像机采集待检织物图像，得到一条灰度值曲 线，然后找出一种快速、有效的方法将疵点特征凸出，从而找到可能 9 硕士学位论文第一章绪论 存在的疵点在织物表面的位置。 ( 3 ) 疵点特征值输出 将疵点的特征信息输出，包括疵点的长度、宽度、所处的位置和 数量。通过分析以上信息得到待检织物的质量等级。 1 0 计算机视觉技术及l a b v i e w 在织物疵点检测中的应用 第二章织物疵点检测系统硬件选择 2 1 总体结构 本系统的结构示意图如下： 紧和传送装置 图2 - 1 系统总体机构 系统由c c d 摄像机、图像采集卡、光源、布匹传送装置和计算机所组 成。待检织物通过变频器及电机控制其在传送装置上的速度，当待检 织物在工作平台上移动时，工作平台上的编码器会陆续发出脉冲信 号。此信号传送至图像采集卡，作为图像采集的信号。图像采集卡在 接受到来自编码器的信号后，随即通知线型c c d 摄像机取像。摄像机 取像后将图像传送到图像采集卡，再由采集卡送至程序中进行处理。 2 2c c d 相机的选择 2 2 1c c d 工作原理 c c d ( 电荷耦合器件，c h a r g ec o u p le dd e v ic e ) ，是7 0 年代初发展 起来的新型半导体光电成像器件。美国贝尔实验室的w s b o y1e 和 g e s m ith 于19 7 0 年提出了c c d 的概念，随后建立了以一维势阱模型为 基础的非稳态c c d 的基本理论。3 多年来随着新型半导体材料的不断 硕士学位论文第二章织物疵点检测系统硬件选择 涌现和器件微细化技术的日趋完备，c c d 技术得到了较快的发展。目 前c c d 技术已广泛应用于信号处理、数字存贮及影像传感等领域。其 中，c c d 技术在影像传感中的应用最为广泛，己成为现代光电子学和 测试技术中最活跃、最富有成果的领域之一。 c c d 是由按照一定规律排列的m o s 电容器( 光敏元) 阵列组成的移 位寄存器，其基本单位m o s 电容是利用栅极下半导体表面形成深耗尽 状态进行存贮电荷的阳幻。在半导体基片上氧化形成的一种具有介质作 用的氧化物，其上沉积的一层金属电极称为栅极，这时若在金属电极 上加一正电压，则在电场的作用下，电极下p 型硅区域里的空穴被赶 尽，从而形成了一个耗尽层。与此同时，氧化层与半导体界面处的电 势发生了相应变化，形成了一个对带负电的电子而言是个势能很低的 区域。当在金属电极上所施加的正向电压超过某一个值后，界面处就 可以存贮电子了，也就是说产生了“势阱 。栅极电压越大，表面势 阱就越“深 。所能存贮信息电荷也就越多。当栅极电压一定时，如 果此时有自由电子注入势阱，那么耗尽层的深度及表面势都将随电荷 的增加而减少。 c c d 电荷注入有光注入和电注入两种，在c c d 图像传感器中，我们 是以光注入的形式产生信息电荷，这时由于光子的作用，半导体硅片 上会产生电子与空穴对，其中空穴会被电场排斥出耗尽层，只有电子 被吸引，存贮在较深的势阱中，形成一个电荷包。光越强，势阱中收 集的电子就越多；反之，电子就越少。从这里可以看出，势阱中电子 的多少反映了光的强弱，这就实现了光与电的转换。通常在半导体硅 片上集成有成百上千个互相独立的m o s 电容器，如果在金属电极上施 加了一正电压，则在这块半导体硅片上就形成了成百上千个独立的势 阱，这是若照射在它们上面的是一幅有明暗变化的图像，那么这些m o s 电容器上就感生出一幅与光照强度相对应的光生电荷图像。 2 2 2c c d 分类 计算机视赏技术及l a b v i g w 在织物癍点检捌中的应用 一般机器视觉检测系统所应用的c c d 可分为面型结构的c c d 和线 型结构的c c d 。如图2 2 所示即为两种不同形式的c c d 结构图。其原理 如前面所介绍，都是利用c c d 将外界光信号转换成电信号来形成图像。 而较常见且应用最多的大都为面型结构的c c d ，其控制的方式较为简 单，只需要将感测器曝光即可得到图像信号，但仅适用于检测面积固 定、低速的检测范围。对于面积尺寸较大且需高速获得图像的应用场 合，面型c c d 的性能就比线型c c d 稍差。例如：应用线型c c d 配合伺服 运动平台的控制，可较快速取得较宽及连续的图像，且在光源的控制 方面线型c c d 只需将光源平均打在扫描线上即可，而且线型c c d 所获 得的图像还具有较佳的动态范围。因此目前在各种检测系统中，线型 c c d 的使用有不断增加的趋势。其中线型c c d 与面型c c d 较大的不同为 线型c c d 常需与运动控制系统配合，才可取到面的图像。因此控制方 式比面型c c d 稍微复杂。如表2 1 所示，即为面型c c d 与线型c c d 详细的 特性比较表。 图2 - 2 面型和线型c c d 结构 2 2 3c c d 相机的主要性能 ( 1 ) c c d 的幅度和分辨率副 c c d 列阵的每个阵元的尺寸约为6 8 2 2 5 胛之间，整个c c d 的尺 t，姜一di毒=已世1 硕士学位论文第二章织物疵点检测系统硬件选择 寸决定于可能制出晶片的大小。用单晶硅制成的c c d 最大有9 k * 9 k 个阵 元，每个阵元的边长为12 m 。c c d 的空间分辨率一般应为卜2 个阵元， 表2 - 1 面型c c d 与线型c c d 的比较 面型c c d线型c c d ( 交错式)( 渐进式)以一条一条扫描组合图 感应器种类 i n t e r l a c e p r o g r e s s i v e像，适用于高速及高精 一般用于适合于动态度大面积图像的获取 静态取像取像检测 检测 搭配光源依待测物表面及动态形式一般为稳定线型光源， 决定光源( 常用l e d )如卤素灯 取像方式搭配适当光源，曝光即可需与高精度的电动机控 制或光源进行配合同步 触发取像 取像速度以帧为单位表示，f p s ( 每以lin er a t e ( 行频) 为 秒获取的图像帧数) ，一般单位表示每秒扫描的速 为3 0 f p s度，一般为1 4 k h z 6 0 k h z 分辨率水平像素垂直像素数单条扫描线像素数目， 目，如：6 4 0 4 8 0 、1 0 2 4每像素的尺寸大小有 10 2 4 ，通常与图像感应7 肛，l 、1 0 肛坍等，而分辨 器的大小及镜头倍率有关率常见的有如： 2 k ( 2 0 4 8 ) 、4 k ( 4 0 9 6 ) 、 6 k ( 6 1 4 4 ) 、8 k ( 8 1 9 2 ) 等 应用适合于低速、面积较小的适合于快速、高精度及 物体检测( 如i c 等瑕疵检大面积的物体检测( 如 测)t f t 面板、布匹等表面瑕 疵检测) 1 4 计算机视觉技术及l a b v i e w 在织物疵点检测中的应用 但有时相邻元之间有电荷溢出将会降低其分辨率，致使成像模糊。 ( 2 ) 量子效率和光谱响应 探测器的量子效率是指入射光所感生的光电子数量与入射光子 数量之比。并不是每一个入射光子都能在c c d 中产生一个电子一空穴 对，量子效率总是小于l 。 对不同入射光波有不同的量子效率，这就是探测器的光谱响应。 从理论上，其长波限是由硅材料的禁带宽度决定，其响应波长不应大 于10 8 0 n m 。在短波方面，可在入射表面涂以磷光层，从而把短波光转 换成可见光。c c d 器件有正面光照与背面光照两种类型。 ( 3 ) 暗电荷及读出噪声 “暗电荷”或“暗电流 是由热效应产生的电荷。消减暗电荷的 方法是冷却探测器，冷却温度越低，其暗电流也越少。因此在讨论暗 电荷这一指标时应说明其环境温度。一般是用在某一温度下，每秒( 甚 至是每小时) 每个阵元所产生的电子数衡量暗电荷的多少。好的c c d 在液氮温度下的暗电荷可以减少到每小时每个阵元产生一个电子以 下的暗电荷。 读出噪声与c c d 阵元的读出速率以及驱动电路的质量有关。阵元 的读出速率越慢，其读出噪声也越小。一般的c c d ，只有当阵元的读 出速率在1o o k h z 以下时，它的读出噪声才能维持在低噪声水平( 即在 10 个电子以下) 。 ( 4 ) 动态范围 动态范围是指c c d 列阵整体接受信号时，能检测出的最强信号和 最弱信号之比。目前c c d 的最大动态范围可达到l8 bi t 。即最强信号和 最弱信号之比可达到( 2 1 8 ：1 ) 。 ( 5 ) 信号响应的线性 一般是用在某一动态范围内响应的非线性表示。高性能c c d 当其 动态范围为12 14 b it 时，其非线性响应不大于1 。 ( 6 ) 最低照度 最低照度是衡量c c d 相机灵敏度的重要指标。它表示当环境光照 项士学位论文第= 章织钧疵点检测系统硬件选择 度降低至一定程度时，而使c c d 相机所输出的视频信号电平低到某一 规定值时，所对应的环境照度。例如：当环境照度降低至00 4 1 x 时， c c d 相机所输出的视频信号的幅值降为最大幅值的5 0 ，则称c c d 的塌 低照度为0 0 4 x 。当环境照度继续降低，c c d 相机所输出的视频图像的 像质将难以保证。 c c d 相机的最低照度与所使用镜头的最大相对孔径有关，在提供 相机最低照度的同时，应注明测试时所使用镜头的相对孔径。 224 本研究所选用的c c d 相机 由于线扫描c c d 相机且有容易控制光源、扫描的图像具有连续性、 能够扫描高速移动的物体等方面的优点，以及在织物疵点检测过程 中，由于布匹是在连续运动；且实际应用中为了节省成本，将降低 对光源的要求，不采用特定的光源等原因，故本研究采用线扫描c c d 摄像机。 本研究所采用的线扫描摄像机如图23 所示”“，为d a s l ap ir a n h a 2 型号为p 2 2