機器視覺在繭形態檢驗中的應用研究

桑蠶繭質量與生絲乃至綢緞產品的質量都有著直接的關系，在能夠反映桑蠶繭質量的諸多技術指標中，感官檢驗仍為主要的檢驗方式，如繭形態試驗即是如此。在實際繅絲生產中，繭色影響絲色，縮皺的粗細影響解舒的難易，繭形態檢驗結果的準確性受檢驗人員技術水平和心理狀態等因素的影響程度較大。

機器視覺作為人工智能快速發展的一個分支，正在越來越多的行業得到廣泛應用，使用機器視覺代替人工視覺進行桑蠶繭質量的檢驗，將大大提高檢驗結果的準確性和質量檢測的供給水平，并能夠適應當前“互聯網+”與“檢驗檢測智能化”發展的大趨勢。近年來，國內有學者已在實用新型生絲黑板檢測系統[1]、織物疵點檢測技術[2]、選繭輔助檢驗和繭幅度檢驗方法[3-4]、織物組織識別[5]等方面，將圖像處理和機器視覺等技術應用于絲綢行業方面已做了一些研究。本文將對機器視覺應用于繭形態檢驗中的繭色和縮皺的自動識別進行探討。提出了基于HSV模型的顏色識別方法實現了桑蠶繭繭色的自動識別，基于Tamura紋理特征的提取方法發現了紋理特征參數與縮皺粗細程度間存在的規律性關系。通過試驗，結果顯示該繭色識別方法，對繭色為基本色的自動識別準確率較高，而利用紋理特征參數與縮皺粗細程度間的規律性關系，為桑蠶繭縮皺的智能化判別提供了一個思路。

1 試驗

1.1 材料與儀器

1.1.1 材料

桑蠶繭（不同顏色的桑蠶干繭樣品a、b、c、d四類，縮皺為較粗、適中、較細的桑蠶干繭樣品e、f、g三種）。

1.1.2 儀器

電腦(聯想啟天M6500-D756，Intel?Core?i7-4770 cpu@3.40GHz處理器，8G內存，Windows7操作系統)，手機（華為技術有限公司，KNT-AL20），相機（尼康株式會社，D3300），暗室（海寧市硤石永興絲業機械廠，HBDJ-B型），圖像處理軟件（MATLAB R2018b），無反光深色背景板。

1.2 方法

1.2.1 圖像采集

由于物體的顏色是由光線在物體上被反射和吸收的情況決定的，所以為了減少光線對所測物體顏色的影響，圖像采集的地點為蠶絲黑板檢驗用暗室。為減少背景板光線反射對所測物體顏色的影響，背景板為深色無反光背景板。為提高運算速度，用于繭色自動識別的a、b、c、d四類樣品采用手機拍攝彩色圖像，圖像尺寸為3968dpi×2976dpi；為得到樣品更加清晰的紋理特征，用于縮皺自動識別的e、f、g三種樣品采用相機拍攝彩色圖像，圖像尺寸為6000dpi×4000dpi。圖像均為JPG格式文件。不同顏色和不同縮皺粗細程度樣品的采集圖像見圖1和圖2。

圖1 不同顏色樣品的采集圖像

圖2 縮皺粗細程度不同的樣品采集圖像

1.2.2 預處理

1.2.2.1 繭色識別

桑蠶繭的繭色在圖像中的特征為顏色特征，為得到所拍攝桑蠶干繭的整體顏色，需要將干繭的輪廓從圖像中單獨提取出來，為此需進行相應的預處理。首先將得到的彩色圖像轉換為灰度圖像，再將灰度圖像轉化為二進制圖像后，通過刪除小面積對象除去圖像中噪聲，再通過開閉運算、高斯濾波、中值濾波、空洞填充等處理后，獲得被拍攝桑蠶繭的輪廓，則輪廓內部區域為特征提取區域。

1.2.2.2 縮皺識別

桑蠶繭的縮皺在圖像中的特征為紋理特征，為盡可能多地提取出縮皺的紋理特征參數，需要找到圖像中每粒桑蠶繭樣品的最大內接矩形。在獲得桑蠶繭的輪廓后，首先在輪廓內部尋找面積為最大的內接矩形，并得到這個矩形與x方向的夾角，然后將圖像按得到的夾角進行旋轉，再把最大內接矩形進行裁剪后另存為特征提取所需圖像。

1.2.3 特征提取

1.2.3.1 繭色識別

在RGB模型和HSV模型等數字圖像處理常采用的模型中，RGB被廣泛應用于彩色監視器和彩色視頻攝像機，而HSV有著比RGB更加接近人類的經驗與彩色感知的優點，HSV的彩色描述對人來說是自然且非常直觀。所以在得到特征提取區域后，遍歷圖像上的每一個像素點，如果像素點在特征提取區域內，則將此像素點的RGB轉換為HSV顏色空間，并獲取此像素點的H、S、V分量。在全部提取完畢后，分別計算特征提取區域內H、S、V分量的平均值，以平均值作為被測樣品的整體顏色的分量。

1.2.3.2 縮皺識別

在進行紋理特征提取時，灰度差分統計（GLDS）、Tamura紋理特征、灰度共生矩陣（GLCM）、局部二值模式（LBP）、gabor變換、Laws紋理測量等都是常用的特征提取方法。本文使用GLDS和Tamura兩種方法對紋理特征參數進行提取，其中：GLDS法分別計算平均值、對比度、熵三個參數，Tamura紋理特征分別統計對于圖像檢索尤其重要的三個分量[6]中的粗糙度（Coarseness）、對比度（Contrast）兩個分量。

2 結果與分析

2.1 繭色識別

色彩可分為有彩色和無彩色兩大類，其中：有彩色包括了紅、橙、黃、綠、青、藍、紫等7種基本色，無彩色可分為黑、白、灰3種。為實現上述基本顏色的自動識別，需確定各基本色H、S、V分量的范圍，通過試驗計算的模糊范圍[7]見表1。根據特征提取區域的H、S、V平均分量，對照表1進行桑蠶干繭顏色的自動識別。

表1 HSV基本顏色分量范圍

根據以上方法，對a、b、c、d四類樣品依次進行圖像采集、預處理、特征提取和結果處理后，得到表2中所述的相關參數，參照表1中各分量的范圍進行樣品顏色的自動判定，得出a、b、c、d四類樣品的顏色分別為紅色、黃色、綠色和白色。處理效果圖見圖3～圖6。

表2 試驗參數及判定結果

圖3 a樣品效果圖

圖4 b樣品效果圖

圖5 c樣品效果圖

圖6 d樣品效果圖

2.2 縮皺識別

根據以上方法，對e、f、g三種樣品依次進行圖像采集、預處理、特征提取后，得到表3中所述的GLDS和Tamura紋理特征相關參數。從表3可以看出：采用GLDS方法時，平均值、對比度、熵3個參數與縮皺的粗細沒有規律性關系，采用Tamura時，粗糙度和對比度兩個參數均與縮皺粗細存在規律性關系。處理效果圖見圖7～圖9。

圖7 e樣品效果圖

圖8 f樣品效果圖

圖9 g樣品效果圖

2.3 結果驗證

為驗證繭色識別的準確性，使用Windows7自帶的畫圖軟件制作了17幅底色均為黑色、不同顏色的圓的圖像，圖像的尺寸為400pdi×300pdi，使用此方法分別進行了驗證。驗證圖片見圖10，驗證結果見表4。

圖10 驗證圖片

3 結語

1）繭色識別的準確率較高，可識別的顏色種類限于基本色。在17幅測試圖片中，準確識別的為16幅，準確率為94.1%，識別不一致的情況為淺黃色被識別為橙色。除基本色以外的其他更多顏色的HSV顏色分量尚無準確的范圍，還需要更多的試驗來確定，導致可自動識別的顏色限于基本色，而且繭色自動識別的準確性受光線的影響較大。

2）通過Tamura紋理特征提取方法統計的紋理特征參數與桑蠶繭縮皺的粗細存在規律性關系。其中：縮皺較粗的粗糙度參數較大，同時對比度參數較小；縮皺較細的粗糙度參數較小，同時對比度參數較大；縮皺適中的粗糙度和對比度兩個參數均居中。縮皺粗細的判定效果除了因不同的紋理特征提取方法而不同外，還較大程度上受圖像的分辨率、光照、反射等因素的影響。

表3 試驗參數及判定結果

表4 驗證結果