布匹瑕疵在線檢測技術研究*

周 柏 清

(湖州職業技術學院 機電工程分院, 浙江 湖州 313000)

在紡織印染產品的生產中，布面瑕疵是影響布匹質量的重要因素之一，布匹表面瑕疵檢驗是布匹生產的重要環節。到目前為止，布匹瑕疵的檢驗一般是由人眼來完成的。其具體的檢驗過程如下：在一定燈光照明條件下，工人控制布匹的轉動，用肉眼掃描檢驗臺范圍內的布匹，如果發現瑕疵則停止轉動布匹，判斷瑕疵的類型并在相應的位置打上標記，同時在報告單上記錄瑕疵的其它信息，然后繼續布匹的轉動。待一卷布檢查完后，工人就可以根據報告單上的統計結果，對布匹的級別做出粗略的評價，最后根據布匹上標記的位置和類型，對出現瑕疵的布匹進行處理。這種方法自動化程度太低。人工的檢測速度一般是15-20米/分，在這種速度下，一個檢測人員只能完成寬幅為0.8-1米的布匹的檢驗，布匹的檢驗和整理已然成為整個生產過程的瓶頸；人工檢測嚴重地依賴于驗布人員的經驗、熟練程度及別的一些主觀因素，再加上工作時間一長，眼睛容易疲勞，尤其是一些具有三維圖案的布匹，眼睛容易發花，因而常會出現誤檢和漏檢。據測試，即便是最熟練的驗布工人也只能發現70 %左右的瑕疵點[1]。

由此可見，傳統的人工瑕疵檢測方法勞動強度高，漏檢率和誤檢率高，且易受主觀因素的影響，因而急需一種新穎、快速、檢出率高的布匹瑕疵檢測技術來替代人工檢驗工作。

1 機器視覺技術在布匹瑕疵檢測中的應用狀況

隨著數字集成技術和圖像處理技術的快速發展，機器視覺技術在工業產品表面檢測領域中的應用越來越廣泛，基于機器視覺的驗布技術將成為紡織領域必然的發展趨勢。機器視覺能夠不知疲倦、始終如一地觀測布匹，并且這種觀測是非接觸式的，不會對布匹造成損害。基于機器視覺技術的布匹檢測系統結構圖如圖1所示。

圖1 布匹檢測系統結構圖

當前,國內外將機器視覺技術應用于布匹檢測疵點最常見的方法有：灰度統計特征分析法、功率譜匹配法和形態學運算分析法[1][2]。

在灰度統計特征分析法中，應先計算出標準的無疵點布匹圖像的自相關函數，根據該自相關函數求得布匹紋理基元模板的尺寸，即為該布匹圖像上的滑動窗口，也即子窗口。然后計算出每個子窗口的像素點的平均灰度，求其μ的大小(平均灰度的平均值)和σ的大小(標準差值)，最后根據公式Τ=μ+Ζσ(其中Ζ為疵點檢測的嚴格系數)求出判斷閾值。實際檢測中，則需要輪流計算待檢布匹圖像的所有子窗口的像素點的平均灰度，并將該灰度值與前面所求得的判斷閾值進行比較，即可判斷出該窗口是否帶有瑕疵，這樣，整幅布匹的圖像到底有無疵點就可以做出判斷了。

在功率譜匹配法中，需要先應用計算機軟件對布匹的圖像進行FFT變換(光學傅里葉變換)，經兩點FFT計算出圖像的頻域功率譜，計算出較多的布匹圖像的特征參量(不同參量的變化表示了不同的疵點類型)，最后通過訓練BP神經網絡進行疵點布匹的檢測和分類。

在形態學運算分析法中，也應先計算出標準的無疵點布匹圖像的自相關函數，根據該自相關函數求得布匹紋理基元模板的大小，然后再計算出有疵點布匹圖像像素點的灰度平均值和標準偏差，布匹圖像疵點區域與非疵點區域的判定閾值即可根據以上所求的參數來確定。實際檢測時，需要先將待檢布匹圖像的像素點與該判別閾值進行逐點比較，再對該待檢布匹的圖像進行二值化，然后組合應用形態運算中的膨脹運算和腐蝕運算，來判定待檢布匹是否帶有疵點[3]。

以上所述的三種方法中，形態運算分析法作為一種非線性濾波方法，能夠快速判定布匹疵點的類別，并且對較小尺寸的疵點具有較強的檢測能力。因而，在要求不漏檢各種疵點的場合下應優先考慮使用形態運算分析法。

2 實驗結果與分析

2.1 形態學算子

數學形態學是一門以集合論概念為基礎，通過選取合適的結構元素來實現目標特征提取的學科，是一種非線性圖像處理的重要方法。最基本的算子為二值形態學算子，以二值圖像為輸入圖像。由于二值形態學算子在實際應用中具有簡單、快速的特點，因此形態學方法在圖像處理領域中有廣泛的應用。

2.2 圖像預處理

由CCD相機所采集到的圖像，由于光照不均勻和各相機曝光時間不統一等因素，會導致圖像的灰度不一致。在預處理階段，可使用灰度均衡來消除該問題，同時也可加強圖像的特征，為進一步的圖像分析做準備。

2.3 瑕疵檢測

瑕疵檢測是完成對布匹圖像上瑕疵的檢測，找出瑕疵并定位。研究瑕疵檢測算法主要是針對256×256的標準子圖像進行分析的，而最終的瑕疵檢測程序則調用該算法進行具體檢測。所以瑕疵檢測程序首先要把采集的原始圖像進行分塊，然后分別對各個小塊進行瑕疵檢測。具體思路是：閾值處理這些圖像以得到二值圖像，由已知的無疵點布匹圖像得到結構元素，運用無疵點圖像的結構元素對二值化的待檢圖像進行膨脹和腐蝕運算。

常見的瑕疵有三類：面狀瑕疵、線狀瑕疵和點狀瑕疵。實驗中選取了一組有代表性的面狀瑕疵圖片：霉斑瑕疵、破洞瑕疵、跳花瑕疵。面狀瑕疵的幾種典型瑕疵及其檢測結果見圖2所示。

(a) 霉斑瑕疵及其檢測結果 (b)破洞瑕疵及其檢測結果 (c) 跳花瑕疵及其檢測結果

2.4 分析

形態學運算最大的優點是能夠濾除噪聲點，且能夠濾除尺寸小于規定大小的區域，而且形態學運算一般都針對二值圖像，因而運算簡單且實時性強。但由于形態處理法要對圖像像素點進行逐點二值化，故受噪聲的影響較大，通常會把噪聲誤認為疵點，從而引起錯檢。因此，在進行形態處理前如何有效地濾除噪聲，是能否在瑕疵檢測中既能夠檢測到各類瑕疵又具有較低誤檢率的關鍵。

3 總結與展望

本文探討了CCD相機結合機器視覺技術應用于布匹瑕疵檢測的技術方法，并討論了如何從CCD相機采集到的圖像中提取特征值等關鍵問題，取得了一定的成果。與傳統的人工檢測方法相比，以機器視覺來代替人工視覺能夠提高布匹瑕疵的檢測速度，減少企業的勞動成本，提高企業的競爭力。

布匹瑕疵檢測系統是一個相當復雜的系統，盡管本文取得了一定的研究成果，希望今后能在現有的研究基礎上，采用改進的算法對該課題進行后續的研究，如：疵點分類和疵點分割等，以建成一個相對完整的基于機器視覺的布匹瑕疵檢測系統，并將該系統盡快地應用到工業現場。

參考文獻：

[1] 鄒 超.布匹疵點在線檢測系統研究[D].華中科技大學博士學位論文,2009:1.

[2] Mallick-Goswami B, Datta A. Detecting defects in fabric with laser-based morphological image processing[J]. Journal of Textile Research,2000,70(9):758.

[3] Rafael C.Gonzalez, Richard E.Woods, Steven L.Eddins(阮秋琦,譯).數字圖像處理(MATLAB版)[M].北京:電子工業出版社,2007:252.

[4] 張鐵壁，趙可新，孫士尉.印刷電路板瑕疵在線實時檢測方法的研究[J].河北工業大學學報,2009,(8):36.

[5] Henri Maitre(孫 洪,譯).現代數字圖像處理[M].北京:電子工業出版社,2006:75.