（纺织工程专业论文）织物疵点自动识别技术的研究[纺织工程专业优秀论文].pdf

摘要 摘要 本文研究自动验布系统的核心技术，即对采集到的织物图像进行提取特征值 及疵点分类，在织物疵点识别中，一个很大的难点就是织物的种类繁多，表面特 征各异，很难建立一个统一的识别模型。为了解决这个问题，本文创新采用双层 神经网络的织物疵点i t ： 别技术，可以先对正常的布面进行特征提取，利用第一层 神经网络来区分正常和疵点图像，利用离散小波变换对疵点图像进行特征提取， 并去除本身布面特征，再利用已训练的 3 p 网络模型进行具体疵点分类。这种方 法最大创新之处有三点： 一、正常布面的识别与疵点的分类分开。对于坯布来说，其布面绝大多数是 正常的，如果把正常和而和疵点一起分类，必然要提取较多的信息量，还要进行 如小波变换这样复杂的运算，速度会变慢，而且准确性会降低。若只进行正常布 面与疵点的区分，则只需提取很少的信息量，不需要进行复杂的运算，可以适应 高速验布的要求。 二、去除布面对疵点分类的影响。要实现自动验布最重要的一点就是要建立 个已充分训练，可以对各种疵点进行分类的神经网络模型。其困难在于布面组 织繁多，在不同的组织下提取的疵点特征也是差异极大的，因为要受到组织纹理 的影响。文中通过计算疵点相对于正常斫i 面的变异程度来去除组织纹理的影响， 从而找到各种不同组织疵点的相似性，来建立统一的疵点分类模型。 三、重点明确的特征值。在以往的研究中很多是选取整个图像的均值或方差 作为特征值，这样值的变异情况往往不明显，影响了识别的准确性。研究发现， 疵点大部分是发生在一根或少数几根纱线上的，在图像上的反映是灰度值的变异 只发生在相邻的较少的几行或几列中。故文中选取其变异最大的几行或几列作为 输入特征值。 利用该织物疵点自动i _ ! 别技术对三种基本组织，平纹、斜纹、缎纹的常见疵 点包括断经、断纬、纬缩、油污、异纤、竹：宵、稀密路进行识别，试验证明陔技 术是有效的，基本符合自动验布系统的要求。 关键词：疵点识别；小波变换；神经网络：质量检测。 a b s t f a c t a b s t r a c t t h i sp a p e ri n t r o d u c e st h ek e m e it e c h n 0 i o g y0 fd e f e c t si d e n t i f i c a t i o n i t m e a n st od i s t 川t h ec h a r a c t e r i s t i ca n dc i a s s i f yt h ed e f e c t so ff a b r i c t h e p r o b i e mo ft h ef a b r i cd e f e c t si n s p e c t i o nj st h a tt h ev a r i e _ 【yo ft h ef a b r i ci ss o m u c ht h a t ti sd i f f i c u l tt of o u n dac o n s o d a t e di d e n t i f i c a t i o nm o d e i i nt h i sp a p e r t h et e c h n i q u eo f f a b cd e f e c t si n s p e c “0 ni sc r e a t e d w em a yd i s t i | it h e c h a r a c t e ro ft h en o 几t 1 a lf a b r i c ，a n dd i s t i n g u i s ht h ei m a g eo ft h ef a br i cw i t h d e f e c t sa n dt h en o r m a lo n e su s i n gt h ef i r s tf i o o ro ft h en e u r a in e t w o r k t h e n ， u s i n gt h ed i s c r e t ew a v e i e t t r a n s f o r m a t i o nt 0d i s t t h ec h a r a c t e ro ft h ed e f e c t s ， a n dw i p i n go f ft h ep r o p e rc h a r a c t e ro ft 1 ef a b r i ca n dt h e nc l a s s i f y i n gt h e s p e c i f i cd e f e c t su s i n gt h et r a i n e db pn e u r a ln e t w o r k i th a st h r e ep o i n t so f j n n o v a t i o ni nt h i sm e t h o d i s e p a r a t i n gt h ec i a s s i f j c a t i o n0 ft h en o r m a lf a br i c sa n dt h eo n e sw i t h d e f e c t s m o s t0 ft h eg r a yf a b r i c sa r en o r m a i i tw c o s tm o r et l m et od i s 圳t h e i n f o r m a t i o ni ft h en o r m a lf a br i c sa n dt h eo n e sw i t hd e f e c t sa r ec l a s s i f i e d t o g e t h e lw h a t sm o r e ，i tw 川br i n gd o w nt 1 1 es p e e da n dt h ea c c u r a c y b y c a r r y i n g0 u tt h ec o m p l e x0 p e r a t i o n 1 f 0 n i yt h ec j a s s i f i c a 舶0 nb e t w e e nt h e n o r m a if a b r i c sa n dt h eo n e sw i t l ld e f e c t si sn e e d e d ，i tw i | ib ee a s i e lw ej u s t h a v et 0d i s “i lal i t t i ej n f o r m a t i o n a n dt h e r ei sn 0n e e dt oc a r r y0 u tt h ec o m p l e x 0 p e r a t i o n t h u s ，i tw i l lp r o b a b i ym e e tt h er e q u i r e m e n to fh i g h - s p e e dc i o t h i n s d e c 埘0 n i i w i p i n go f ft h ei m p a c to fs ”u c t u r e s t h em o s ti m p o r t a n tp o i n tt or e a z ea u t o m a t i cc l o t hi n s p e c t i o ni st of o u n da s u 仟i c i e n tt r a i n e dm o d e i _ l tm u s th a v et h ef u n c t i o no fc i a s s i f y i n gd i f f e r e n tk i n d s 0 ff i a w s t h ed i f f i c u i t yi st h a tt h e r ea r ev a e t i e so fs t r u c t u r e sa n dt h e c h a r a c t e r i s t i c so fd e f e c t st h a ta r ed i s t e df r o md i f f e r e n ts t r u c t u r e sh a v e t r e m e n d o u sd i f f e r e n c e sb e c a u s e0 ft h ei m p a c to ft h es t r u c t u r e s b ya c c o u n t i n g t h ev a a b i t yo fd e f e c t sc o u i dw ef i n dt h ec o m p a r a b i t yo fd e f e c t si nd i f f e r e n t s t r u c t u r e s i nt h i sw a y ，ac o n s o d a t e di d e n t i f i c a t i o nm o d e ii sf o u n d e d i i i t h ef e a t u r e 、，a i u ed e m o n s t r a t i n gt h ee m p h a s i s i nt h ep a s t ，t h ec o m m o nr e s e a r c hm e t h o dw a st oc h 0 0 s et h ea v e r a g e v a i u e0 rv ar i a n c et ob et h ef e a t u r ev a i u e b u tt h ev ar a t i o nw a sn o ts 0o b v i o u s t h a ti tm i g h ti m p a c tt h ea c c u r a c yo fi d e n t i f i c a t i o n b yi n v e s t i g a t i n g ，i tw a sf o u n d t h a tm o s to ft h ed e f e c t so c c u r o ns e v e r a iy a r n se v e n0 n es i n g l ey a r n i tf e e d a b s t r a c t b a c k0 nt h ei m a g et h a tt h ev ar i a n c e0 ft h eg r e yi e v e lo n i y0 c c u r so n 廿1 e a d j a c e n tr o w so r | i n e s s o ，w ec h o o s et h er o w sa n di i n e st h a th a v et h ei a r g e s t v a a n c ea s 廿1 ef e a t l j r ev a i u e i tu s e st h et e c h n o i o g yo fa u t o m a t i cd e f e c ti d e n t i f i c a t i o nt oi d e n t i f yt h e c o m m o nd e f e c t ss u c ha sb r o k e ne n d ，b r o k e np i c k ，1 0 0 mw a s t e ，o i | s t r e a k ， b a | i o o n i n ga n dpj u n k i n gy a r no fc a l i c o ，t w 川a n ds a “n 1 ti sp r 0 v e dt h a tt h i s m e t h o di s0 fh i g ha c c u r a c ya n dh i g h - s p e e d i tc o m e su pt ot h ee i e m e n t a r y r e q u i r e m e n to fa u t o m a t i cc i o t hi n s p e c t i o n k e y w o r d s ： d e f e c ti d e n t i f i c a t j o n ：w a v e l e ta n a l y s i s ：n e u r a in e t w o r k ： q u a | i t y i n s d e c t i o n i i 独创性声明 y 9 6 8 0 3 1 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 本人为获得江南大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意 签名：幽红 日期d 。彩年弓月谓 关于论文使用授权的说明 本学位论文作者完全了解江南大学有关保留、使用学位论文的规 定：江南大学有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅，可以将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、 汇编学位论文，并且本人电子文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 签名：韬么兹导师签名： 日期：口毪 第一章绪论 第一章绪论 中国是世界纺织基地之一，纺织在国民经济中的地位是非常重要的。随着纺 织：亡业的信息化、自动化进程的发展，这个古老的产业将经历一次巨大的革命， 而今在纺织的大部分环节都实现了自动化，生产力得到了很大的提高。但在验斫i 这一环节却一直是人工操作，成为纺织企业自动化进程的瓶颈之一。由于人：i = 验 布是一种单调、乏味且繁重的劳动，有实验表明，一个验布工全神贯注的最长持 续时问为3 0 分钟左右，此后注意力明显下降，所以人工视觉检测误检率和漏检 率高，验布：亡人一般只能发现约7 0 的疵点。另外，个验布工的检测能力还受 疵点出现频率，疵点种类、大小，：i 二作环境，自身生理、心理等因素的影响，因 而人二 视觉检测结果受验布人员主观影响较大。人工视觉检测的另一个主要缺点 是检测速度低，一般只有1 5 2 0 米分。 基于以上原区】，织物疵点的自动检测是近年来国内外学者共同关注和研究的 热门课题之一。尤其是从上一世纪8 0 年代后期以来，基于计算机视觉技术的织 物疵点自动检测更成了纺织学科和信息学科的学者积极参与的前沿的交叉研究 领域，并取得了一定成果，但其中大部分还是以算法、2 争利或实验样机等形式被 报道。从9 9 年国际纺机展开始，国外有商业化的产品出现，但由于其极高的 价格和技术的封锁，国内至今没有应用。 利用计算机视觉对织物疵点进行自动检测，不但能提高纺织企业的生产效 率，而且为织物疵点的种类、大小以及对产品质量的评估制定客观标准打下基础。 但是，我国在应用计算机视觉自动检测织物疵点方面与国外差距甚大，无论是研 究： 作还是系统研制方而均较长时问处于空白状态。直到1 9 9 8 年东华大学才开 始涉足该领域的应用基础研究，但至今仍无成熟的样机推出。我国纺织工业虽有 劳动力成本较低的优势，但验布长期依靠人：睇见觉终究与我国想成为纺织强国的 愿望相违背。加之，基于计算机视觉技术的织物疵点自动检测是现代高新技术的 综合应用，所有有关该领域的理论研究和实践应用的深入开展必将为应用高新技 术提升我国传统产业作出积极的贡献。本文的选题也正鉴于以上所述的背景。加 快织物疵点自动识别技术的研究，尽早的开发出属于我国自主产权的自动验布系 统是有非常重大的意义的。 1 1 图像识别技术在纺织上的应用现状 图像识别技术在军事、国防、医学、各种安全工作中发挥着巨大作用，在高 科技方面的应用很广泛。近年来图像识别技术在纺织： 业生产中，特别是在各纺 织工业生产中的检验工作和实现生产自动化、智能化方面，愈来愈成为提高劳动 生产率、保证产品质量的重要手段。作为世贸组织的新成员，我国的纺织业融人 江南大学顾j 4 学位论文 世界纺织经济已成为必然，这给我们带来了前所未有的机遇，纺织业也被世人认 为是受惠最大的行业。但是我们也要清醒地认识到参与国际竞争所面l 临的挑战。 要想在激烈的竞争中取胜，必须提高纺织品质量和档次。而要提高纺织品的质量 和档次，没有先进的测试技术是绝不可能的。作为测试技术的一种新方法，计算 机图像处理与分析在纺织工业中的应用前景是非常广阔的，其不断发展与应用， 必将为纺织行业的自动化提供更大的保证。随着计算机软、硬件技术的提高和普 及，利用计算机解决纺织行业中的诸如纤维材料性能检测、纱线性能检测、半制 品检测等各种技术问题，可获得比人工检测更迅速、更精确的结果。 1 1 1 图像识别技术中织物疵点检验的应用 纺织品检验中织物疵点检验是最重要的检验项目之一，目前基本用人工背光 检测或机械灯光检测，也就是检验人员在没有眩光的方向或日光灯照明条件下按 照自己的经验和织物评分、评等标准对织物等级做出评定，并填写各种织物疵点 报表1 2j 。这种方法存在劳动强度大、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。而用计算机图像识别技术进行检验工作可以弥补这方面 缺陷。织物疵点的图像识别是指按照某一种算法对织物表面图像进行处理并识别 出疵点种类、程度等的方法。织物疵点自动控制“图像识别”是对织物质量进行 控制和实现织造及检验工序自动化、无人化的关键环节。【3 j 【4 | 【5 】 1 1 2 图像识别技术在原棉异纤检测中的应用 棉花在采摘、加工和运输等过程中经常混入一些杂质，为保证纱线质量，这 些杂质在纺纱前必须彻底清除一般的杂质，如沙石泥土等颗粒性物质，其比重 或形状与棉纤维有较大差异，因此，可以通过机械的方式进行除杂但是像头发、 细绳头、尼龙草等纤维状的杂质很难用机械的方法将它们清除，需要用其他方法 进行清除目前已有应用图像识别技术来对其杂质检验的研究，通过对原棉图像 的采集，并通过对图像阈值范围判别来识别其是否存在杂质。天津工业大学的艾 世一等学者的研究表明，这种方法的准确性相当高，并且可以适应高速的要求， 具有很好的发展前途。 1 1 3 用图像识别技术对织物表面起毛情况进行评价 目前国外学者在用图像识别技术对织物表面起毛情况进行评价方面也有研 究。织物上的绒毛和小球主要是由摩擦和磨损引起的，通常被看作织物质量退化 的标志，影响外观，破坏织物内部结构和质量。如何正确地评估起球等级，已成 第一章绪论 为纺织生产质量控制及贸易中的一个重要环节。通常的评估方式是主观评估，其 结果的不确定性较大。而应用计算机图像分析进行毛球识别及特征提取，能客观 地评定起球等级。东华大学的陈霞等应用一种图像分析系统进行织物起球等级的 客观评估，首先荻取反映织物二维轮廓数据的距离图像，通过一组匹配滤波检测 毛球，应用分块阈值法进行毛球分割，选取毛球个数、毛球面积和毛球体积建立 等级评估方程，并采用模糊逻辑系统作为最终的等级评估模型。结果表明，该系 统能满足实际起球试样的等级评估。国外的许多专家对此也有深入的研究， k o n d a 等人提出了一种客观评定起球性能的方法，他们对图像进行阈值处理，然 后与标准图像迸行比较，建立小球数量等级。a b r i l 等人采用图像分析方法测量 标准织物图像上的小球面积。 除了以上这些以外，图像识别技术在纺织上还有很多应用，对纺织：i ：业的自 动化进程起到了十分重要的作t | _ | j 。如羊毛棉纤维细度、表面形态的识别，织物折 皱等级的评定，织物：悬垂性的测试等。图像识别技术在纺织领域中的应用，将会 把人们从冗繁的体力劳动中解放出来，而且排除测试检验工作中人为因素的影 响，不但可以提高工作效率，还可以保证分析的客观性和准确度。进一步深入研 究并引入实践是困内外学者努力的方向。 1 2 自动验布技术国内外的研究现状 织物表面疵点图像识别技术研究，主要引进其他领域里所用的计算机模式识 别方法。例如，m c hu 等学者将地震信号处理、语言分析等领域中所用的傅立 叶分析方法有突破性进展的小波分析法引入织物疵点识别，应用基于二维离散小 波变换的图像多层分解法，这个变换可以用金字塔算法计算得到，其结果是一组 由原图像低分解得到含棉结、孤立噪声点的“块”，根据“块”的大小跟棉结数 量关系曲线，经过反复的运算和平均，最后确定一个最能反映实际棉网数量的一 个阈值一“块”大小，对棉结数量进行统汁。 在国外织物疵点自动识别技术方而的研究较早就开始了，已经有比较成熟的 产品出现。如以色列e v s 公司开发的t e x 2 0 0 0 系统是其研制的第三代i t e x 自 动验枷系统，具有1 5 0 m m i n 的速度和超过优秀人：i 二检测员的良好检测准确率， 可以检测各种不同类型的织物和其他纤维网上的疵点ni t e x 2 0 0 0 系统采用特 制的高速数字摄像机采集图像，通过直观图像计算机来进行图像处理，得到疵点 的大小、形状和在布卷中的位置，然后利用神经网络对其进行分类，最小可检测 出o 5 m m 的疵点。为了高速处理的需要，其处理器的处理能力相当于2 0 0 0 台个 人计算机并行处理的能力。 u s t e rf a b r i s c a n 系统是瑞士u s t e r 公司开发自动验布系统，其可以检测出绝 江南大学硕：j ：学位论文 大部分疵点，速度在1 2 0 m m i n 以上( 3 】。因实时处理速度的需要，其采用了2 5 0 个奔腾处理器来并行处理，它利用图像处理和神经网络技术的结合来判别和分类 疵点，先对正常布面进行学习，然后通过经纬向的最大长度及疵点的异常程度来 对其进行分类，并对疵点进行记录，然后输入质量管理系统，进一步对织物质量 评价。 1 3 国内外的主要研究方法 由于国外自动验布系统极高的价格和技术的封锁，国内至今没有应用。在自 动验布系统中，其核心的技术是如何准确快速的对采集的布面图像进行处理，提 取其特征值，然后利用判别系统对其进行分类，国内有多家高校在进行这方面的 研究如东华大学、浙江工学院等。主要是利用纹理模型、灰度统计法、傅立叶变 换、小波变换等。综述其方法的原理主要分为以下几种： 1 3 1 纹理结构模型方法 在数字图像处理中，纹理特性提取是对物体图像灰度级变化的特征进行量 化。一般来况，纹理特征与物体的位置、走向、尺寸、形状有关。对图像灰度值 直接进行计算，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， 例如，许多基于共生矩阵的特征已被验证，包括熵、对比度和二阶矩等，但也存 在计算量大导致处理速度慢等缺点。 f s c o h e n 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f 如 每块8 x 8 或1 6 x 1 6 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 r s a r d y 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 s i s ) 、二 阶矩、熵、不一致性( n o n u n i f o 册i t v l 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、拓痕和杂质四类，其工作 也仅限于实验室阶段。 纹理模型可根据少量高效的参数来反映一幅图像的信息。可以采用适当的纹 理模型来反映正常织物的信息，而当通过图像分析发现异常信息时，即可判定其 为疵点。这种方法可以很方便从总体上判断织物有无疵点，但很难对疵点进行精 确的分类，主要是很难准确的提取疵点的特征信息。结构模型方法也是通过图像 分析计算出正常织物结构参数，然后发现异常事判定为疵点，这种方法只对少量 第一章绪论 疵点有效，如横档疵点。【6 】【7 1 1 8 1 3 2 象素特征统计方法 这种方法理论最为简单，即直接对图像象素点的灰度级进行统计，预先设定 一个阈值范围，超过这个灰度级范围的即为疵点。这种方法对外界要求高，易受 噪声二f 扰。且这种方法可识别的疵点种类较少。 1 3 3 图像变换滤波方法 这一类的方法现在发展最为迅速，它是通过图像变换或滤波来改善图像质 量，增强疵点与正常布丽的剥比度，即可快速的判别疵点，提取其特征参数。这 类方法如傅立叶变换、余弦变换、正弦变换、小波变换、高低通滤波等。这里主 要介绍一下傅立叶变换和小波变换。傅立叶变换是图像处理中使用非常频繁的方 法，它可以对图像的频率进行提取。在疵点i _ 别中可以利用疵点与正常织物的傅 立叶功率潜的差异来提取特征参数。小波变换是对不同方向的频率进行分解，产 生不同方向的子图像。而且它没有信息损失，可以方便提取细节信息。在疵点信 息提取中，可利用二维小波变换的四个子图的平均统计灰度值作为特征量。 按照获取和处理图像方式的不同，近年来采”j 滤波处理织物疵点图像的研究 成果分为两类：一种以c c d 采集织物图像信息，经图像卡数字化后，由计算机软 件处理，对织物疵点加以识别。其特点是识别效果和速度受计算机软硬件的影l 响 较大，但灵活性强，可以方便地变换不同的算法，并且容易实现。另一种是采用 光学透镜，如傅立叶透镜、滤波器透镜等硬件的方式，获取织物图像并进行处理， 从而识别 l j 疵点，其特点是速度快，但灵活性相对较差。 1 9 9 6 年t s a i 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 j l l j 。 1 9 9 8 年台湾的c h e n 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。为节省计算时洲，图像的二维快速傅立叶变换 ( f f t l 由经向和纬向两个一维的f f t 代替。由f 兀1 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 x 2 5 6 的图像，检测和分类时 问为0 2 秒，而对检测的1 2 类疵点中的9 类能够正确识别。 1 9 9 6 年w j j a s d e r 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系数，以此代表该织物的纹理。把织物疵点图 江南大学硕士学位论文 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 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f s h a n n o n e 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1 0 0 ，但疵点种类偏少。 1 9 9 9 年美国的h s a r i s a r r a f 研究了安装于织布机上的疵点检测系统。织物图 像的采集采用基于数字信号处理器( d s p ) 的线扫描摄像头、数字图像卡和个人计 算机。图像采集前要测定布机上布面的移动规律和速度。采集的图像经2 或3 层 小波分解并去掉间隔采样步骤，对横向、纵向和对角图像按一定方式融合为一个 图像后计算其整体均匀度和局部粗糙度，整体均匀度较小者被认为没有疵点，否 则阈值化后经b p 分析将疵点分类。 上述这些研究，都处于实验研究阶段，检测疵点的种类较少，只能检测比较 明显的疵点，没有找到理想的方法对大部分常见疵点进行检测并准确定位。但是， 从以上研究工作中仍然可以看出，近期的疵点自动检测研究都把傅立叶变换、小 波分析和神经网络作为疵点自动检测的重要工具。1 0 】 1 4 本课题的研究目的及方法 1 4 1 研究目的 在纺织企业中布面疵点的产生是难以避免的，有人为因素、也有机械原因， 验布是成布出厂的最后一关，也是质量控制的重要一环，直接影响到最终的布面 质量及成品等级。纺织企业的信息化、自动化进程发展迅速，在前道工序中纺纱、 织造的自动化程度均已很高，而只有验布还是以人眼观察为主，影响了整个纺织 企业的自动化进程和生产效率的提高。 目前的人工验布方法，对检验人员要求较高，劳动强度大、需要长时间的专 心工作，对工人的健康不利；且易受主观因素影响，故漏检率较高，难以达到准 确检验目的；最关键是速度慢，大约只有1 5 2 0 1 1 1 m i n ，很难适应高速化的生产 方式。而利用计算机技术则可以减少人工、提高准确性，且速度快，成熟的系统 可达1 0 0 m m i n 以上，可以较大的提高生产效率，是具有重要意义的。 筇一章绪论 本文在总结和吸收前人研究的前提下，重点研究自动验相系统的关键技术， 即如何对采集的布而图像进行处理，提取其特征值，然后利用判别系统对其进行 分类，经大量实验和研究，创新采用基于双层b p 人工神经网络的小波变换方法 对疵点进行识别。 1 4 2 研究方法及创新 在织物疵点识别中，一个很大的难点就是织物的种类繁多，表面特征各异， 很难建立一个统一的以别模型。为了解决这个问题，本文创新采用双层神经网络 的织物疵点识别技术，可以先对正常的布面进行特征提取，利用第一层神经网络 来区分正常和疵点图像，利用离散小波变换对疵点图像进行特征提取，并去除本 身椰面特征，再利用已训练的b p 网络模型进行具体疵点分类。具体如图l - 1 所 示。这种方法最大创新之处有三点。 j l 训 布面的以别与疵点的分类分丌。 对于坯和来说，其祈，面绝大多数是正常的，如果把正常布面和疵点一起分类， 必然要提取较多的信息量，还要进行如小波变换这样复杂的运算，速度会变慢， 而e 1 准确性会降低。若只进行正常布面与疵点的区分，则只需提取很少的信息量， 不需要进行复杂的运算，可以适应高速验确，的要求。 去除布面对疵点分类的影l 帅 要实现自动验砷j 最重要的一点就是要建立一个已充分训练，可以对各种疵点 进行分类的神经网络模型。其困难在于布而组织繁多，在不同的组织下提取的疵 点特征也是差异极大的，因为要受到组织纹理的影响。文中通过计算疵点相对于 正常布面的变异程度来去除组织纹理的影响，从而找到各种不同组织疵点的相似 性，来建立统一的疵点分类模型。 重点明确的特征值 在以往的研究i = i = 很多是选取整个图像的均值或方差作为特征值，这样值的变 异情况往往不明显，影l 响了识别的准确性。研究发现，疵点大部分是发生在一根 或少数几个纱线上的，在图像上的反映是灰度值的变异只发生在相邻的较少的几 行或几列中。故文中选取其变异最大的儿行或几列作为输入特征值。 江南大学硕士学位论文 正常布面灰度特征训练第一层b p 网络 提取织物图像灰度特征，利用第一层b p 网络区别疵点和正常图像 提取疵点图像的小波变换特征，并去除正常布面特征，去除布面影响 利用已经训练的第二层b p 网络进行疵点分类 图1 1 系统结构图 小波分析方法是一种窗口大小固定但其形状可改变，时间窗和频率窗都可改 变的时频局部化分析方法，即在低频部分具有较高的频率分辨率和较低的时问分 辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。织物图像的二维 小波分解是把图像经过小波所对应的高通和低通滤波器，分解为不同频率的子图 像，每个子图像代表了原图像中的一部分信息。因为织物存在经纬向的不同特点， 利用小波变换分解出织物纵向和横向的信息，可以作为疵点的特征信息，提取适 当的特征值即可作为分类判别疵点的依据。小波变换提取特征值的速度很快，可 以适应自动验布系统高速的要求。 人工神经网络是在生物学中神经网络理论的基础上，研究复杂的多维非线性 大系统中信息的分稚、传递以及处理的理论和方法，并用于解决实际的过程问题。 它由很多处理单元有机地联结起来，进行并行的工作，且处理的信息和知识是非 线性的。其信息传播和存储方式与神经网络相似，即采用物理可实现、能模仿人 脑神经细胞的结构和功能的系统。神经网络以其联想、记忆、推理能力、非线性、 容错性和系统并行处理方式等方面的能力，在基于样本的自适应学习和故障模式 快速分类方面具有非凡的优势，在有实时性要求的监控场合更有应用价值，这就 决定了神经网络在疵点分类中的难以动摇的主导地位。【1 2 】【1 3 】 本文将针对以上问题进行研究，提出改进的方法，以提高其判别的准确性， 更加接近与实际的需要。 1 5 实验环境的选择 硬件：c p u p 4 2 4 b r a m2 5 6 m 硬盘8 0 g ! f ；一章绪论 显示器 1 7 v a g1 0 2 4 7 6 8 数码相机索尼5 0 0 万象素数码相机 软件：操作系统w i n d o w s2 0 0 0 中文版 开发环境m a r l a b 6 5 江南大学硕：i ：学位论文 第二章织物疵点及检测标准 2 1 主要疵点及成因分析 在纺织企业中稚面疵点的产生是难以避免的，有人为因素、也有机械原因， 验布是成布出厂的最后一关，也是质量控制的重要一环，直接影响到最终的布面 质量及成品等级。 在机织棉本色标准中，将布面疵点分成经向明显疵点，纬向明显疵点、横档、 严重疵点四大类。并规定： 经向疵点与纬向疵点中，有些疵点是这二类共同性的。如竹节、跳纱等。 在分类中只列入经向一类，如在纬向出现时，应按纬向疵点处理。 如在布面上出现未包括下列内容的疵点，按相似疵点处理。 各类布面疵点具体内容如下： 经向明显疵点：断经、粗经、综穿错、特数用错、筘路、筘穿错、多股经、 双经、并线松紧、紧经、吊经、经缩波纹、断疵、沉纱、星跳、跳纱、棉球、结 头、边撑疵、拖纱、修整不良、错纤维、油经、锈经、不褪色色经、水渍、污渍、 油渍、浆斑、布开花、油花纱、猫耳朵、凹边、烂边、花经、长条影、磨痕、竹 节等。 纬向明显疵点：错纬、条干不匀、断纬、双纬、纬缩、毛边、云织、异纤、 花纬、油纬、锈纬、不褪色色纬、煤灰纱、百脚等。 横档：折痕、稀路、密路等。 严重疵点：破洞、豁边、稀弄、经缩郎纹、并列三根串经、松经等。 织物表面是一类典型的纹理，其常用的特征描述方法有结构特性、粗糙性、 周期性、方向性和连续性等指标。织物纹理的连续性用于表征织物的某些指标或 特征在其表面分布的均匀性或一致性。正常织物表面纹理具有良好的连续性，当 这种连续性遭到破坏时，我们称织物纹理特征发生了畸变。从纹理分析的角度出 发，织物疵点形成的最终原因便是由于织物纹理特征产生了畸变。 在无锡一棉验柿车间采集布样很长时间发现，现在由于工艺的成熟、设备的 改善，特别是在无梭织机上的产品，上面很多的疵点是基本不会出现或极少出现 的。而且上面的分类方法过于详细，在自动识别中是不可能实现的。本文主要研 究在平纹、斜纹、缎纹组织中的疵点，故选取了七类常见的疵点进行自动识别， 断经、断纬、纬缩、异纤、竹节、油污、稀密路。这七类疵点基本上是现在布面 常出现的疵点。 1 0 第二帝织物疵点及检测标准 2 1 1 断经 ( 1 ) 形成原因： 织造时经纱断头，造成经纱断头的原因很多，大致上有原纱质量不良、准备 工序半制品质量不良，特别是浆纱质量不良、综筘保养工作不良，织造上机张力、 ： 艺参数选择不当以及织造车间空调不符合生产要求，织口不清造成断头、投梭 力过大或走梭板不平造成梭子飞行不稳而擦断经纱，还有断经自停装置不良、停 经架部分不良等。 f 2 1 形态： 在经纱循环中，缺少一至数根经纱，使布而正常纹路改变，呈经向稀条状的 疵点称为断经。布面上某段或通匹缺少一根或两根经纱，呈现一细条织点不连续 的空路。如图2 1 所示。 ( 3 ) 鉴别方法： 平纹织物：断一根经纱，组织形态似双经，但有一条稀路：断两根经纱，其组 织点虽连续，但有较大的空隙。 斜纹织物：断经时斜纹不连续，类似综穿锚，对光照时有一条稀路。 缎纹织物：断经时组织不连续，缎而综穿错，另一面则呈现一粒粒有规律的 纬浮点。 2 1 2 断纬 f 1 1 形成原因： 纬纱成形不良，细小的毛头纱、压钢领板纱、保险纱不合格，还有纬纱卷绕 不良、纬纱堆放不良或随意在纬纱包上坐躺，造成纬纱表面纱层松弛。织机机械 状态不良、织机投梭力过大，梭箱内制梭力过小、皮圈及三轮缓冲作用失调，均 会使梭子的冲击力和震动剧烈，而造成断纬。经，纬纱张力差异较大，纬纱强力 和伸长都低，且织物组织紧密，易产生局部纬纱被经纱斩断。 f 2 1 形态： 在纬纱循环中，缺少一至数根纬纱，使布面正常纹路改变，呈纬向稀条状的 疵点称为断纬。布面纬向全幅或一段缺少一根或几根纬丝，呈现纬向组织不连续 的稀弄。如图2 ，2 所示。 f 3 ) 鉴别方法： 平纹织物的断纬，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 现一段一般不超过3 c m 的断纬稀弄。 江南大学硕二i ：学位论文 2 1 3 纬缩 f 1 1 形成原因： 原纱质量不良，经纱上竹节、棉结较多或综框位置不正、综框跳动等都会影 响纬纱的顺利运行，使其屈曲而扭捻，造成一处性的或经向一直条的纬缩疵点。 纬纱捻度过高，在织造过程中，纬纱内在的反捻迪扭转力，如超过纬纱织入梭口 时所具备的张力，就有可能造成扭曲起圈，产生纬缩。还有回潮率过低、投梭作 用不良、梭口不清等均易造成纬缩。 f 2 1 形态： 纬缩是纬纱纽结织入布面，或者起圈呈现于布面上，造成布面上许多星状纽 结或毛圈形的小辫。如图2 3 所示。 f 3 ) 鉴别方法： 平纹、斜纹、缎纹的纬缩基本相似，即在纬向布面上有一小段纬纱扭曲，形 成较粗的结状，在图像中为深色浓粗部分。 2 t 4 异纤 ( 1 ) 形成原因： 织造时操作不当，周围环境存在异物如头发、其他纤维、有色丝等，在织造 时织入布面，形成异纤。 ( 2 ) 形态： 飞花、木屑、皮屑、金属物等，织入布面所形成的疵点，在布面上出现明显 的其他异物如头发、其他纤维、有色丝等，在图像中呈现曲状的深色细条。如图 2 - 4 所示。 ( 3 ) 鉴别方法： 平纹、斜纹、缎纹的异纤形态基本相似，即在布面上有一小段其他异物，明 显有别于正常纤维，织在布面中。 2 1 5 竹节 r 1 ) 形成原因： 一般分为白竹节和飞花竹节两类。白竹节是纱线上的，原因很多，细纱接头 不良、细纱前皮辊严重缺油、皮圈内嵌花衣使皮圈打顿、前皮辊表面部分涂料脱 落或皮辊表面不平、粗纱管上端锥形部分飞花附入、粗纱锭壳花夹入粗纱、末并 皮辊表面毛糙或涂料脱落而粘花衣等均会产生白竹节。飞花竹节产生原因如下： 纱条通道部分毛糙积聚飞花带入纱条内；梳棉机锡林、道夫、盖板三角区内密封 第二章织物疵点及检测标准 不良，积聚飞花较多，混入棉网；梳棉机锡林针齿及毛刷清除作用不良，造成挂 花或分离板废花夹入；各道工序清洁： 作不良，飞花落入纱条内等。 ( 2 ) 形态： 竹节为纱线上短片段的粗结，故会在布面纱线上出现较明显的粗结，在图像 中呈现的深色细条。如图2 5 所示。 f 3 1 鉴别方法： 平纹、斜纹、缎纹的竹节形态基本相似，即在= _ i ! i 面上有一小段纱线的粗结。 2 1 6 油污 f 1 1 形成原因： 油污疵点主要是因为加油过多、不慎，落在经、纬纱或布面上，压缩空气带 入的油污，各： 乖 l 二i ：作时不慎，造成油污。 ( 2 ) 形态： 并列三根及以上的经纱油污，以及布机各工种造成的单是经纱油污和布面浮 汕、深色油等疵点称为油污。在布面上出现明显油污块斑，在图像中呈现的深色 斑点。如图2 6 所示。 2 17 稀密路 ( 1 ) 形成原因： 开车时出现的稀、密状态横挡疵点。主要形成原因：织机的设定出现问题， 平稳机构不良，丌口和提综配合不良，织机的第一纬起动不良，挡车工的操作不规 范；打纬机构各部件问隙过大，如弯轴轴承、牵手轴承、牵手栓三者配合间隙过 大，同台的两只牵手长度不等，筘夹轴与筘夹轴套筒间隙过大，定筘鼻与撞嘴相 对位置及问隙不适当等。 ( 2 ) 形态： 织物枷面呈现经向一直条的，稀密同时出现的疵点，布面上呈现纬纱密度突 然增加或减少所形成的横档。如图2 7 所示。 ( 3 1 鉴别方法： 用纬密镜测量纬密，鉴别是否是稀密路；将其对光照，呈现纬纱排列稀，密 或稀密相问的横档。 2 2 织物疵点检测标准 中华人民共和国国家标准本色布相面疵点检验方法g b 厂r 1 7 7 5 9 - 1 9 9 9 中，有 江南大学硕二 学位论文 以4 分、1 0 分和1 1 分制评分标准，1 0 分制评分法等效采用了日本纺织检查协会 棉织品( 整理后) 出口检查标准，4 分制评分法等效采用了美国梭织物委员会疵点 评分标准，1 1 分制评分法非等效采用了前苏联t o c t 国家标准，其中4 分制与 1 0 分制类似。以下介绍4 分制的总体标准( 如表2 1 所示) 及1 1 分制的分类疵点 标准( 如表2 - 2 所示) 。 表2 1 四分制评分的总体标准 疵点类型评分 12 3 4 经向明显疵8 c m 及以下8 c m 及以上一1 6 c m 及以上2 4 c m 及以上 点，条1 6 c m一2 4 c m一1 0 0 c m 纬向明显疵8 c m 及以下8 c m 及以上一1 6 c m 及以上半幅以上 点，条 1 6 c m 一半幅 横不明显 半幅及以下半幅及以上 档 明显半幅及以下半幅及以上 严 根数评分 3 4 根 5 根以上 重 疵 点 长度评分1 c m 以下1 c m 及以上 备注 1 、