计算机视觉技术及LabVIEW在织物疵点检测中的应用

论文摘要

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CCD相机。这是由于与面阵CCD相机相比,线阵CCD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LabVIEW平台开发的硬件控制及疵点检测软件。LabVIEW是美国NI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。LabVIEW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。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。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 前言
• 1.2 国内外织物疵点检测的研究概况
• 1.3 国外已投入市场的织物疵点图像处理与分析系统
• 1.4 织物疵点自动检测研究目前存在的问题
• 1.5 本文的研究任务和目标
• 第二章 织物疵点检测系统硬件选择
• 2.1 总体结构
• 2.2 CCD相机的选择
• 2.3 图像采集卡的选择
• 2.4 镜头选择
• 2.5 计算机配置
• 2.6 本章小结
• 第三章 织物疵点检测系统软件开发工具LabVIEW
• 3.1 虚拟仪器
• 3.2 软件开发工具LabVIEW
• 3.3 本章小结
• 第四章 织物疵点分离
• 4.1 数字图像表示
• 4.2 疵点检测流程
• 4.3 图像采集
• 4.4 获取正常织物特征
• 4.5 图像分割
• 4.6 本章小结
• 第五章 疵点特征提取及织物等级评定
• 5.1 疵点特征提取流程
• 5.2 织物疵点分类
• 5.3 织物等级评定
• 5.4 系统各参数综合设计
• 5.5 织物疵点自动检测系统实际应用时应注意的几个关键问题
• 5.6 本章小结
• 第六章 总结与展望
• 6.1 结论
• 6.2 存在的问题与展望
• 附录A 各类布面疵点的具体内容
• 附录B 疵点名称的说明
• 参考文献
• 致谢