皮革表面缺陷檢測的研究現狀及展望

孫毅，張明，高延鑫（陜西科技大學機電工程學院，陜西西安710021）

皮革表面缺陷檢測的研究現狀及展望

孫毅，張明，高延鑫
（陜西科技大學機電工程學院，陜西西安710021）

摘要：皮革表面缺陷檢測是利用機器視覺技術將皮革表面的非正常區域即缺陷區域從背景中分割出來。本文對當前國內外在皮革表面缺陷檢測方面的研究現狀進行了綜述，包括皮革表面缺陷檢測的基本概念，機器視覺技術的基本原理，皮革表面缺陷檢測技術的應用現狀以及機器視覺技術在皮革表面缺陷檢測方面的應用。指出了當今國內外皮革表面缺陷檢測技術所存在的問題及進行優化的方向，并展望了發展趨勢。

關鍵詞：皮革缺陷；缺陷檢測；視覺技術；研究現狀；展望

前言

隨著人們的生活質量不斷提高以及世界各國皮革產品的生產消費向質量型轉變，人們對皮革產品的質量要求越來越高。雖然經濟在快速發展，但皮革行業的發展明顯滯后，主要原因是皮革行業的自動化水平發展較慢。所以現在皮革產品的加工過程中，皮革表面缺陷的查找會直接影響生產效率和生產質量。為了有效地利用原材料和避免次品混入成品中，就需要對產品進行檢測。但是長久以來，這些檢測的過程基本都靠手工實現，生產效率低，成本高，效果也不好。隨著機器視覺技術的發展，手工檢

測過程現在慢慢的轉變為計算機檢測。但如何更加快速簡便、科學有效地檢測皮革表面缺陷，仍然是急需解決的問題。本文將對皮革表面缺陷檢測的研究現狀進行綜述與展望。

1　皮革表面缺陷與視覺檢測原理概述

1.1皮革表面缺陷概述

皮革缺陷會影響皮革的利用率和原材料成本。為了有效利用原材料和避免次品混入成品中，需要對原材料和產品進行檢測。皮革缺陷的種類比較多，可以將缺陷分為三個時期，按照動物生存期、屠宰過程及原始材料加工處理過程進行分類。生存期存在的缺陷包括傷疤、鞭花、蟲咬等；屠宰過程存在的缺陷包括刀洞、燙傷、針孔等；原始材料加工過程中存在的缺陷包括裂面、掉漿、油霜等[1]。

1.2視覺檢測原理

視覺檢測的基本原理：在一定的光照條件下，利用電荷耦合器件（CCD）作為圖像傳感器對被檢測物表面進行掃描、采集圖像，然后運用圖像處理、模式識別等技術對圖像進行處理，提取相關的圖像特征，根據圖像特征的內在規律進行識別分類或瑕疵檢測，最后得到所需的檢測結果[2]。

2　國內外研究現狀

近20多年來，皮革表面缺陷檢測技術快速發展，主要以基于機器視覺檢測方法為主。研究人員提出了許多不同的基于機器視覺的檢測方法，主要體現在不同的分割算法上。檢測方法主要分為四種：基于灰度同現矩陣的統計方法、基于Gabor濾波器的紋理分割算法、基于傅里葉變換的檢測算法和基于香農小波分解的紋理主頻檢測方法[3]。

2.1國外研究現狀

Kwon Jang-Woo等[4]提出使用直方圖的分布可以判斷皮革有無缺陷的方法，再根據有缺陷的皮革的灰度級的分布范圍計算每一類缺陷的大小，但這種方法只能判斷皮革有無缺陷，不能對皮革缺陷進行定位。

Georgieva等[5]提出一種模糊邏輯的方法，這種方法基于灰度直方圖的X2準則來檢測瑕疵，其利用了灰度直方圖的旋轉和比例不變性、不受視角變化影響的特點來進行特征分析處理。由于特征值少，計算處理速度相對較快，但容易受灰度空間分布影響。

Kittler J等[6]用最小誤差閾值法來進行瑕疵檢測，利用圖像的單峰值直方圖尋找最優的閾值進行缺陷檢測，其優點是便于處理單峰值直方圖圖像，但處理顏色暗或者接近黑色時檢測質量差。

Huang Tse-Yun等[7]利用傅里葉變換使用基于全局圖像重構的方法去除隨機紋理圖像中的重復性、周期性結構。隨機紋理包含各向同性結構，頻譜圖像中頻率成分的伸展是各向同性的并且形成了一個近似圓的形狀。此方法的優點是不需要預存的紋理圖像做參考或任何無缺陷樣本的紋理信息。

Adamo F等[8]采用小波重構的方法對皮革、織物的表面進行了缺陷檢測，此方法不依賴于相鄰像素之間的局部紋理特征，而是用多分辨率的小波變換來重構圖像。

Tsai D M等[9]提出了一種基于Gabor Filter的檢測方法，此方法是基于計算待處理圖像與某個特定Gabor函數卷積后的能量輸出，Gabor Filter的參數應滿足同質區域的輸出能量接近于0，而任何缺陷會產生大的能量輸出值，然后用設定的閾值來判斷濾波圖像的完好與否。這種方法的優點是結構性紋理和統計紋理都適用，缺點是需要預先獲得無缺陷樣本求取最優參數而且領域窗的大小對結果由影響，鄰域窗必須能夠包含局部紋理的重復性和空間排列情況，太大的窗會增加計算量，窗口太小會忽視小的缺陷，同時常數因子c的選擇也要經過衡量，否則會影響檢測效果。

Lopez等[10]提出一種隨機色彩質地的缺陷檢測方法，是基于T2的統計法，并且源于近年來應用統計領域的MIA（多元圖像分析）。結合PCA分析從RGB數據矩陣中提取特征空間。此方法的優點是僅用一個主成分（一個特征向量）就可以達到最好的

效果，實驗表明了一個訓練樣本就足夠建立特征空間和累積直方圖。計算量大大減少，更加適合實時處理。

2.2國內研究現狀

崔楊等[11]提出了一種基于改進模糊C-均值算法的皮革缺陷檢測算法，該算法根據皮革圖像的特點，計算其共生矩陣的多個測度作為像素的特征向量，并用模糊聚類法對像素進行分類。此方法提高了檢測的精度，但計算量大，不能滿足整個皮革工業的自動化實時檢測。

劉利華等[12]根據模糊數學的基本概念和原理，建立了模糊數學在皮革制品質量綜合評判中的應用模型，用豐滿性、柔軟性、彈性、粒面等指標對皮革及其制品質量進行了綜合評判，有一定的應用價值。

辛登科等[13]提出了一種基于類間方差和類內方差的自適應確定分割區域數的方法。此算法可以比較準確的檢測出皮革表面缺陷信息。

賀福強等[14]采用了小波重構的方法對皮革表面進行了缺陷檢測。其原理為應用小波基函數在較優的分解級數上對紋理圖像進行分解，然后在最佳的分辨率級數上正確的選取平滑圖像或者細節圖像來重建圖像。此方法有效，可用于實時在線檢測。

常競[15]對皮革缺陷進行了分門別類的檢測，提高了缺陷檢測的精度，但皮革缺陷中色差、污斑等不容易檢測出來。

于彩香[16]根據紋理圖像中缺陷區域灰度值和背景中像素之間的相關性來識別缺陷。其原理是在灰度游程矩陣的基礎上，但不通過矩陣提取特征來判斷每個小窗口是否屬于缺陷區域，是通過游程和圖像的灰度差值標記每個像素來分割圖像，然后分離出缺陷區域。

李健等[17]使用改進決策樹結合前饋神經網絡選擇最優分類屬性的方法，對皮革表面的缺陷自動檢測，彌補了神經網絡分類處理時間長的不足。

陳虹[18]采用基于紋理的分析方法，即采用將灰度共生矩陣和改進的模糊C-均值聚類兩者相結合的方法進行圖像分割，得到缺陷區域。

圖1　格柏公司TaurusXD數控裁床

圖2　Lectra公司VectorFashion MP裁床

3　國內外皮革視覺檢測系統的應用現狀

3.1國外皮革視覺檢測系統的應用現狀

國外的視覺檢測研究較早，已經取得相應的研究成果，并將其轉化成了產品。

美國格柏科技有限公司推出了Taurus XD皮革裁剪系統，該系統取消了紙樣模板，避免了操作員參與檢測皮革，提高了系統的安全性[19]。此系統能實現彩色皮革圖像的采集、瑕疵識別，可以減少4% ～10%的浪費。通過CCD掃描已標記瑕疵區域的皮革，不同的色彩代表不同級別的瑕疵點，根據這些標記，提取出瑕疵區域。圖1是格柏公司TaurusXD數控裁床。

法國力克公司是業界領先的裁剪技術及配套服務供應商，可為皮革用戶提供從設計、制造到零售的全面技術解決方案和相應服務[20]。圖2是Lectra公司的VectorFashion MP裁床，該機床以電子形式

記錄皮革和瑕疵信息，把皮革瑕疵劃分為6個質量等級進行處理。

3.2國內皮革視覺檢測系統的應用現狀

國內研究起步較晚，相關研究也較少，雖然提出了一些皮革瑕疵的檢測方法，但相關成果難以推廣，國內大多數皮革企業仍然采用人工檢測。

4　展望

皮革表面缺陷檢測及相應的機器視覺技術雖然已發展了20多年，但在實際應用方面還存在許多問題：

（1）許多皮革檢測理論與方法關注的角度不同，只針對具體應用要求提出相應的解決方法，一旦環境或者面料改變，一些算法可能會失效；

（2）大多數皮革缺陷檢測方法計算量較大，在一般的PC機上不能實時處理；

（3）國外檢測系統已有相關產品，但國內還沒有，而且國外產品太過昂貴。

今后皮革表面缺陷檢測想要進一步發展，就需要將上述問題進行優化：

（1）需進一步研究可用于多種類相關產品的檢測方法與系統；

（2）需對算法進行優化或者加快PC機的處理速度；

（3）需要研發一套能對皮革缺陷檢測、質量評價的系統，提高我國皮革業的生產效率，降低勞動成本。

參考文獻：

[1]魏天全.皮革常見缺陷及解決方法[J].中國皮革，2000，6 （1）：5-8.

[2]賀福強.大面積皮革表面的視覺檢測技術與應用研究[D].浙江：浙江大學，2012.

[3]于彩香，邱書波.用于皮革缺陷檢測的方法研究[J].皮革科學與工程，2008，18（2）：24-27.

[4]Kwon Jang-Woo, Choo Young-Yeol, Heung-Ho, et al. Development of Leather Quality Discrimination System by texture Analysis[J].TENCON, 2004 IEEE Region 10 Conference,Volume A,2004,35(6):31-23.

[5]Krastev K. Georgieva L. Identification of Leather Surface Defects using Fuzzy Logic[J]. International Conference on Computer Systems and Technologies,2005,21(5):305-310.

[6]Boukouvalas C, Kittler J, Marik R, et al. Color Grading of Randomly Textured Ceramic Tiles Using Color Histograms[J]. IEEE Transactions on Industrial Electronics,1999,46 (1): 219 -226.

[7]Tsai Du-Ming, Huang Tse-Yun. Automated surface inspection for statistical textures [J]. Image and Vision Computing, 2003,26(7): 307-323.

[8]Adamo F, Attivissimo F, Cavone G, Giaquinto N, et al. ARTIFICIALVISIONINSPECTIONAPPLIEDTO LEATHER QUALITY CONTROL [J]. XVIII IMEKO WORLD CONGRESS, 2006,22(6):17-22.

[9]Tsai Du-Ming, Hsiao Bo. Automatic surface inspection using wavelet reconstruction [J]. Pattern Recognition,2001,34 (6): 1285-1305.

[10] Fernando Lopez, Jose Manuel Prats, Alberto Ferrer,et al. Defect Detection in Random Colour Textures Using the MIA Defect Maps [J]. Campilho and M. Kamel (Eds.): ICIAR 2006, LNCS 4142, 2006,25: 752 -763.

[11]崔揚，周澤魁.圖像檢測技術在皮革缺陷檢測中的應用研究[D].浙江：浙江大學，2004.

[12]劉利華，強懷西，羅曉民.模糊評判在皮革及其制品質量評定中的應用[J].中國皮革，2005，34（7）：43-46.

[13]辛登科，張玉杰，胡晶.圖像檢測技術在皮革缺陷檢測排樣系統的應用研究[J].皮革科學與工程，2006，6（4）：24-26.

[14]賀福強，王文，陳子辰.基于小波重構的皮革表面檢測方法[J].儀器儀表學報，2006，27（6）：25-28.

[15]常競.鞣制皮革圖像分割及缺陷檢測的研究[D].四川：四川師范大學，2008：57-68.

[16]于彩香.基于紋理分析的皮革可視缺陷檢測方法的研究[D].山東：山東輕工業學院，2009.

[17]李健，韓瑋，鄭東.一種皮革表面缺陷檢測分類方法的研究[J].計算機測量與控制，2010，18（12）：2732-2735.

[18]陳虹.基于紋理分析的皮革缺陷檢測的應用研究[D].四川：四川師范大學，2011.

[19]http://www.gerbertechnology.com.

[20]http://www.lectra.com.

Current Situation and Outlook of Leather Surface Defect Detection

SUN Yi, ZHANG Ming, GAO Yan-Xin
(Academy of Mechanical and Electrical Engineering, Shannxi University of Science and Technology, Xi’an 710021 ,China)

Abstract:The leather surface defect detection is to divide the abnormal parts from the perfect background using vision technology of the computer. The research situation of leather surface defect detection at home and abroad are reviewed in this paper, including basic concepts of leather surface defect detection, basic principles of machine vision technology, current situation of the application of leather defect detection technology, and application of machine vision technology in leather surface defect detection. Problems in leather surface defect detection technology at home and abroad, and direction to solve these existing problems are pointed out. And its future development is also forecast.

Key words:leather defect; defect detection; vision technology; research situation; forecast

作者簡介：第一孫毅（1989-），男，河南信陽人，碩士，研究方向：機械電子。

收稿日期：2015-09-26

中圖分類號：TS 57

文獻標識碼：A

文章編號：1671-1602（2015）20-0028-04